MDANet : Adaptation non supervisée à domaine mixte pour la segmentation sémantique d'images de télémétrie

Le processus d'imagerie des images de télémétrie optique est facilement affecté par des conditions externes. Par conséquent, les images de télémétrie sous différentes conditions d'imagerie montrent souvent des différences de couleur, entraînant des différences de distribution de caractéristiques entre le domaine source et le domaine cible, entravant la migration des modèles de segmentation sémantique entre les domaines. Actuellement, la plupart des méthodes d'adaptation de domaine sont pour des domaines à source unique et à cible unique. Ici, nous proposons une méthode novatrice et concise, que nous avons appelée MDANet, pour l'adaptation d'images en patch de domaines multi-sources et multi-cibles et pour réduire les différences de distribution d'images en patch différentes en les projetant sur le centre virtuel d'un domaine mixte. MDANet est un réseau léger et auto-supervisé qui peut être greffé à n'importe quel modèle de segmentation sémantique. Notre méthode a considérablement amélioré la précision de segmentation des modèles de segmentation sémantique et a montré une stabilité et une compétitivité supérieures à celles des méthodes existantes.