深度卷积神经网络在语义分割方面取得了很大的进展。为了训练出一个好的语义分割模型，通常需要耗费大量的人力和财力获取大量图像的像素级标注，成本非常高。减少标注成本的一种可行方案是将自动生成标注的合成图像上训练的语义分割模型用于真实图像的语义分割。计算机图形学的发展使获取具有完整像素级标注的合成图像变得比较容易，例如常用的城市街道合成图像数据集GTA5[17]和SYHTHIA[18]。但真实图像（目标域）和合成图像（源域）之间的域偏移削弱了利用合成图像训练的语义分割模型在真实图像上的性能。迁移学习中的域适应解决了真实图像与合成图像之间的域偏移问题。由于在这种设定下无法获取到真实图像（目标域）的标注，因此这类域适应方法通常被称为无监督域适应，如图8.4所示。与图像分类问题类似，用于语义分割的主流域适应方法之一是通过域对抗训练来学习域不变表示。也有方法通过图像转换模型，如生成对抗网络[19]，将源域图像转变为具有目标域属性的图像来缩小域偏移。

图8.4　用于像素级语义分割的无监督域适应[20](www.daowen.com)

下面将介绍两种面向语义分割的域适应方法。这两种方法均关注于如何减少域偏移，将已有标注合成图像（源域）上学习的语义分割模型有效迁移到无标注真实图像（目标域）上，从而提高语义分割模型在目标域的性能。