一种基于梯度积累EMA与上下文增强的夜间语义分割域适应方法

本发明涉及一种基于梯度积累EMA与上下文增强的夜间语义分割域适应方法，其针对伪标签的误差传播问题，重新设计教师学生模型(自训练)框架，在训练过程中对学生模型的参数进行梯度积累，用于加强教师模型的参数优化，提升教师模型产生的伪标签质量，从而提高模型的跨域分割精度。本发明针对传统无监督域适应自训练方法缺乏对目标域的空间结构信息挖掘的问题对目标域的图片进行掩码处理，用于学生模型的监督训练，采用教师模型的预测作为监督指标，其中掩码模板是由三个独立的二进制掩码随机生成的，引导模型充分挖掘目标域空间结构信息，从而使模型学习到跨域的一致性特征信息，最终提升模型对具有复杂边缘细节类的分割性能和在跨域数据集上的泛化能力。