Ein einfacher Baseline für semi-supervised semantische Segmentierung mit starker Datenaugmentation

In jüngster Zeit wurden erhebliche Fortschritte bei der semantischen Segmentierung erzielt. Allerdings beruht der Erfolg überwachter Methoden typischerweise auf einer großen Menge an gelabelten Daten, die zeitaufwendig und kostspielig zu beschaffen sind. Inspiriert durch den Erfolg semi-supervisierter Lernmethoden in der Bildklassifikation stellen wir hier einen einfachen, jedoch wirksamen semi-supervisierten Lernrahmen für die semantische Segmentierung vor. Wir zeigen, dass die Details entscheidend sind: Eine Reihe einfacher Design- und Trainingsstrategien kann gemeinsam die Leistung semi-supervisierter Segmentierung erheblich verbessern. Frühere Arbeiten [3, 27] konnten starke Augmentierung im Kontext der Pseudolabel-Lernung nicht effizient nutzen, da die durch starke Augmentierung verursachten starken Verteilungsveränderungen die Batch-Normalisierungs-Statistiken beeinträchtigen. Um dieses Problem zu lösen, entwickeln wir eine neue Batch-Normalisierung, namens verteilungsspezifische Batch-Normalisierung (Distribution-Specific Batch Normalization, DSBN), und demonstrieren die Bedeutung starker Augmentierung für die semantische Segmentierung. Zudem entwerfen wir eine selbstkorrigierende Verlustfunktion, die sich als robust gegenüber Rauschen erweist. Wir führen eine Reihe von Ablationstudien durch, um die Wirksamkeit jedes einzelnen Komponenten zu belegen. Unser Ansatz erreicht state-of-the-art Ergebnisse in semi-supervisierten Szenarien auf den Datensätzen Cityscapes und Pascal VOC.