高泛化性的跨域道路场景语义分割方法和系统

摘要

本发明公开一种高泛化性的跨域道路场景语义分割方法，包括：通过游戏引擎产生虚拟图像及对应标签；利用虚拟图像生成全局/局部纹理迁移图像；对虚拟图像、全局/局部纹理迁移图像送入神经网络进行训练；将神经网络训练的全局/局部纹理迁移图像进行一致性约束；对经过神经网络训练的虚拟图像以及经过一致性约束的局纹理迁移图像和局部纹理迁移图像分别与标签计算损失值，并依据损失值训练语义分割模型；利用训练好的语义分割模型进行语义分割。本发明通过对虚拟图像的全局纹理迁移和局部纹理迁移实现数据增强，攻击神经网络，迫使模型学习跨域不变的形状信息；且该方法只在源域进行网络训练，实现了可靠的跨域分割效果，同时拥有很强的泛化性能。