يتطلب تدريب الشبكات العميقة لتصنيف الدلالة كميات كبيرة من البيانات التدريبية المُعلّمة، مما يشكل تحديًا رئيسيًا في الممارسة العملية، نظرًا لطبيعة عملية تسمية أقنعة التصنيف التي تكون مجهدة للغاية من حيث الجهد البشري. لمعالجة هذه المشكلة، نقدّم إطارًا لتصنيف الدلالة شبه المُعلّم، يُعزّز من خلال تقدير عمق منظور واحد ذاتي التعلّم من تسلسلات صور غير مُعلّمة. وبشكل خاص، نقترح ثلاث مساهمات رئيسية: (1) نُحول المعرفة من الميزات التي تم تعلّمها أثناء عملية تقدير العمق ذاتي التعلّم إلى تصنيف الدلالة، (2) نُطبّق تكبيرًا قويًا للبيانات من خلال دمج الصور والملصقات باستخدام هندسة المشهد، و(3) نستخدِم تنوع الميزات العميقة وكذلك مستوى صعوبة تعلّم العمق في إطار تعلّم مُدرّس-طالب لاختيار العينات الأكثر فائدة لوضع العلامات عليها لتصنيف الدلالة. ونُحقّق صحة النموذج المقترح على مجموعة بيانات Cityscapes، حيث تُظهر جميع الوحدات الثلاثة تحسينات أداء ملحوظة، ونحقق نتائج من الطراز الأول في تصنيف الدلالة شبه المُعلّم. يمكن الوصول إلى التنفيذ عبر الرابط: https://github.com/lhoyer/improving_segmentation_with_selfsupervised_depth.