一种用于深度引导语义分割的新型无监督域自适应方法：基于粗到精对齐

机器学习中的域适应方法通过对齐源域与目标域的数据表示来应对域偏移问题。本文提出了一种新型的语义分割域适应方法，该方法利用色度空间上的傅里叶变换以提升风格迁移的质量，并通过融合多轮自训练过程中不同教师模型的输出结果，生成伪标签用于自训练。此外，本方法引入类别级别的对抗学习，实现两个域之间更细粒度的对齐，并结合深度估计模型进行后期融合，以进一步提升分割性能。实验结果表明，与现有其他先进方法相比，本方法在准确率方面表现出更优的性能。