论文部分内容阅读
跨域差异常常会阻碍深度神经网络的泛化,使其不能适应不同的数据集,为了提高模型阴影检测的鲁棒性,提出了一种新颖的无监督域适应阴影检测框架。首先,为了缩小域间的数据偏差,采用分层域适应策略校准源域和目标域间从低层到高层的特征分布;其次,为了加强模型软阴影的检测能力,提出边界对抗分支以确保模型在目标数据集上同样可以得到结构化的阴影边界;然后,结合熵对抗分支进一步抑制预测结果中边界处的高不确定性,从而得到边界平滑、准确的阴影掩膜。与已有深度学习检测方法相比,所提方法在客观数据集ISTD、SBU上的平衡误差率