Este documento se centra en la adaptación de dominio en una tarea de segmentación semántica. Los métodos tradicionales consideran el dominio fuente y el dominio objetivo como un todo, y la coincidencia de imágenes se determina por semillas aleatorias, lo que conduce a un bajo grado de coincidencia entre dominios e interfiere con la reducción en la brecha del dominio. Por lo tanto, diseñamos una estrategia de coincidencia de consistencia de dominio en cascada de dos pasos y tres niveles basada en la co-ocurrencia de categorías (COCM), en la que los dos pasos son: Paso 1, en el que diseñamos una estrategia de coincidencia desde la perspectiva de la existencia de categorías y filtramos el conjunto de subimágenes con el mayor grado de coincidencia de la imagen de todo el dominio fuente, y Paso 2, en el que, desde la perspectiva de la existencia espacial, proponemos un método para medir la puntuación PIOU para evaluar cuantitativamente la coincidencia espacial de categorías co-ocurrentes en el conjunto de subimágenes y seleccionar la mejor imagen fuente coincidente. Los tres niveles significan que, para mejorar la importancia de las categorías de baja frecuencia en el proceso de coincidencia, dividimos las categorías en tres niveles según la frecuencia de co-ocurrencias entre dominios; estos tres niveles son la cabeza, el medio y la cola, y se da prioridad a la coincidencia de categorías de cola. El COCM propuesto maximiza la consistencia a nivel de categoría entre los dominios y se ha demostrado que es efectivo en la reducción de la brecha del dominio siendo ligero. Los resultados experimentales en conjuntos de datos generales se pueden comparar con los de los métodos de vanguardia (SOTA).