التكيف بين المجالات للتقسيم الدلالي للصور ضروري للغاية، نظرًا لكون تسمية مجموعات البيانات الكبيرة يدويًا بعلامات على مستوى البكسل مكلفة ومستهلكة للوقت. تقنيات التكيف بين المجالات الحالية إما تعمل على مجموعات بيانات محدودة، أو تحقق أداءً غير جيد بالمقارنة مع التعلم الإشرافي. في هذا البحث، نقترح إطارًا تعليميًا جديدًا ثنائي الاتجاه للتكيف بين المجالات في التقسيم. باستخدام التعليم الثنائي الاتجاه، يمكن تعلم نموذج تحويل الصور ونموذج تكيف التقسيم بشكل بديل وتعزيزهما لبعضهما البعض. علاوة على ذلك، نقترح خوارزمية تعليم ذاتي لتعلم نموذج تكيف التقسيم بشكل أفضل وفي المقابل تحسين نموذج تحويل الصور. تظهر التجارب أن طريقتنا أفضل من أفضل الأساليب الحالية في التكيف بين المجالات للتقسيم الدلالي للصور بمقدار كبير. الرمز المصدر متاح على الرابط: https://github.com/liyunsheng13/BDL.