要約
本稿では、ラベル付きデータと追加のラベルなしデータの両方を活用することにより、半教師ありセマンティックセグメンテーション問題に着目する。我々は、クロス仮ラベル監督（Cross Pseudo Supervision, CPS）と呼ばれる新しい一貫性正則化手法を提案する。本手法は、同一の入力画像に対して異なる初期化で摂動された2つのセグメンテーションネットワーク間の一貫性を強制する。一方の摂動されたセグメンテーションネットワークから出力される仮のワンホットラベルマップを、もう一方のネットワークの学習に標準的な交差エントロピー損失で監督として用いる。逆もまた然りである。CPSの一貫性は2つの役割を持つ。第一に、同一入力画像に対する2つの摂動されたネットワークの予測結果間の類似性を高めること。第二に、仮ラベルを付与されたラベルなしデータを活用することで、学習データを拡張することである。実験結果から、本手法はCityscapesおよびPASCAL VOC 2012の両データセットにおいて、現行の最先端の半教師ありセグメンテーション性能を達成することが示された。コードは https://git.io/CPS にて公開されている。