نقترح طريقة للتقسيم الدلالي شبه المشرف باستخدام شبكة معادية (adversarial network). بينما يتم تدريب معظم المميزات الحالية على تصنيف الصور الإدخالية كحقيقية أو مزيفة على مستوى الصورة، نصمم مميزًا بطريقة إبداعية بالكامل لتمييز الخرائط الاحتمالية المتوقعة من توزيع التقسيم الدلالي الحقيقي مع مراعاة الدقة المكانية. نوضح أن المميز المقترح يمكن استخدامه لتحسين دقة التقسيم الدلالي من خلال ربط خسارة المعادلة المعادية بخسارة التباين العرضي القياسية للنموذج المقترح. بالإضافة إلى ذلك، يتيح المميز الإبداعي بالكامل التعلم شبه المشرف من خلال اكتشاف المناطق الموثوقة في النتائج المتوقعة للصور غير المصنفة، مما يوفر إشارات إشراف إضافية. على عكس الأساليب الحالية التي تستفيد من الصور ذات التسميات الضعيفة، يستخدم نهجنا الصور غير المصنفة لتعزيز نموذج التقسيم. تظهر النتائج التجريبية على مجموعتي بيانات PASCAL VOC 2012 و Cityscapes فعالية الخوارزمية المقترحة.