半教師ありセマンティックセグメンテーションには、強力で多様な摂動が必要です。

一貫性正則化は、半教師付き分類問題において画期的な結果をもたらした手法のクラスを表しています。先行研究では、データ分布が低密度領域によって区切られた均一なクラスクラスターからなるというクラスターアシュームプションが、その成功に重要であることが確立されています。私たちはセマンティックセグメンテーションの問題を分析し、その分布にはクラスを区切る低密度領域が存在しないことを発見しました。これは、半教師付きセグメンテーションが挑戦的な問題であり、成功報告が少ない理由を説明するものと考えられます。次に、このような低密度領域がない状況でも信頼性のある性能を得るために、増強手法の選択が鍵であると特定しました。最近提案されたCutOutおよびCutMix増強技術の適応変種を使用することで、標準的なデータセットにおける最先端の半教師付きセマンティックセグメンテーション結果を得ることができました。さらに、その挑戦的な性質から、セマンティックセグメンテーションは半教師付き正則化器の評価に有効な酸性試験薬（acid test）として機能すると提案します。実装は以下のURLで公開されています: https://github.com/Britefury/cutmix-semisup-seg.