摘要
从有限的标注数据中理解视觉信息是机器学习的一个重要方面。尽管在半监督设置下图像级别的分类已经得到了广泛研究，但基于有限数据的密集像素级别分类直到最近才引起关注。本文提出了一种半监督语义分割方法，该方法从有限的像素级标注样本中学习，并利用额外的无标注图像。该方法采用两个网络分支，将半监督分类与包含自训练在内的半监督分割联系起来。双分支方法减少了在少量标签训练时常见的低层次和高层次伪影。该方法在现有方法上取得了显著改进，特别是在使用非常少的标注样本进行训练时表现尤为突出。在多个标准基准测试集——PASCAL VOC 2012、PASCAL-Context 和 Cityscapes——上，该方法在半监督学习中达到了新的最先进水平。