Die Schulung tiefer Netzwerke für die semantische Segmentierung erfordert große Mengen an gelabelten Trainingsdaten, was in der Praxis eine erhebliche Herausforderung darstellt, da die Erstellung von Segmentierungs-Masken ein sehr arbeitsintensiver Prozess ist. Um dieses Problem anzugehen, präsentieren wir einen Rahmen für semi-supervised semantische Segmentierung, der durch selbstüberwachte monokulare Tiefenschätzung aus unlabeled Bildsequenzen verbessert wird. Insbesondere leisten wir drei zentrale Beiträge: (1) Wir transferieren Wissen aus Merkmalen, die während der selbstüberwachten Tiefenschätzung gelernt wurden, in die semantische Segmentierung; (2) wir implementieren eine starke Datenaugmentation durch das Mischen von Bildern und Labels unter Nutzung der geometrischen Struktur der Szene; (3) wir nutzen die Vielfalt der Tiefenmerkmale sowie die Schwierigkeitsgrad der Tiefenschätzung im Rahmen eines Student-Teacher-Modells, um die aussagekräftigsten Proben auszuwählen, die für die semantische Segmentierung annotiert werden sollen. Wir validieren das vorgeschlagene Modell am Cityscapes-Datensatz, wobei alle drei Module signifikante Leistungssteigerungen zeigen, und erreichen Ergebnisse auf State-of-the-Art-Niveau für semi-supervised semantische Segmentierung. Die Implementierung ist unter https://github.com/lhoyer/improving_segmentation_with_selfsupervised_depth verfügbar.