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，含分割与判别网络。训练结合标注与未标注图像，用不同损失函数。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

Reproduction of Paper "Adversarial Learning for Semi-Supervised Semantic Segmentation" with PaddlePaddle.

本项目对半监督语义分割领域的经典论文“Adversarial Learning for Semi-Supervised Semantic Segmentation”基于PaddlePaddle进行了复现，达到了论文指标。

AdvSemiSeg是半监督语义分割领域最早的文章之一。与弱监督领域通常采用的分类级标签数据和分类级损失函数不同，半监督学习更强调少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挖掘无标签数据的监督信息，从而达到提升模型性能而降低人力支出的目的。

方法流程

模型包括两个模块

• 分割网络