AdvSemiSeg: 利用生成对抗实现半监督语义分割

本项目基于PaddlePaddle复现半监督语义分割论文，含分割与判别的网络。训练结合标注与未标注图像，用不同的损失函数。以ResNet101 Deeplabv2在VOC2012、1/8标签率下，复现指标70.4 miou，超论文69.5 miou。

项目说明

论文“Adversarial Learning for Semi-Supervised”的复制语义分割”与 PaddlePaddle。

本项目对半监督语义分割领域的经典论文“半监督语义的对抗性学习”

AdvSemiSeg是半监督语义分割领域最初的文章之一。与弱监督领域通常采用的分类级标签数据和分类损失函数不同，半监督学习更强调大量有标签数据与大量无标签数据的结合，其核心在于如何通过有标签数据更好地检索无标签数据的监督信息，从而达到提升模型性能和降低人力支出的目的。

模型包括两个模块分割网络

以上就是AdvSemiSeg：利用生成对抗实现半轮廓分割的详细内容文章，更多请关注乐哥常识网其他相关！