人間の部位解析、または人間の意味的部位セグメンテーションは、多くのコンピュータビジョンタスクにおいて基本的な役割を果たしています。従来の意味的セグメンテーション手法では、教師データとして真実値セグメンテーションが提供され、フルコンボリューショナルネットワーク（FCN）がエンドツーエンドで訓練されます。これらの手法は印象的な結果を示していますが、その性能は訓練データの量と質に大きく依存しています。本論文では、容易に得られる人間のキーポイントアノテーションを使用して、合成の人間部位セグメンテーションデータを生成する新しい手法を提案します。私たちの主なアイデアは、人間同士の解剖学的な類似性を利用して、類似した姿勢を持つ別の人物へのパース結果の転送を行うことです。これらの推定結果を追加の訓練データとして使用することで、我々の半教師付きモデルはPASCAL-Person-Partデータセットにおいて強教師付きモデルに対して6 mIOU（mean Intersection over Union）高い性能を達成し、最先端の人間パース結果を得ました。当方針は汎用性が高く、解剖学的な類似性がキーポイントによってアノテーションできるという前提のもとで他の物体や動物のパースタスクにも容易に拡張できます。提案されたモデルおよび関連するソースコードは https://github.com/MVIG-SJTU/WSHP から入手可能です。