ETH Zurich提出新型網絡「ROAD-Net」，解決語義分割域適配問題

問題背景 本文研究的是無人駕駛場景中的語義分割問題。語義分割的樣本標記成本很高，使用合成數據能幫助解決樣本不足問題。但是合成的數據和真實的數據之間存在差異，這種差異會極大影響使用合成數據訓練的模型在真實數據上的表現。 本文研究難點在於如何處理合成數據和真實數據之間的差異，該問題存在兩方面原因： 用合成數據訓練的模型，很容易對合成數據過擬合，對合成數據可以提取很好的特徵，而對真實數據就提取不到特徵了

>>阅读原文<<