반대 학습을 이용한 준지도 의미 분할

우리는 적대적 네트워크를 사용한 반지도 학습 기반 의미 분할 방법을 제안합니다. 대부분의 기존 판별기는 입력 이미지를 이미지 레벨에서 진짜와 가짜로 분류하도록 훈련되지만, 우리는 공간 해상도를 고려하여 예측 확률 맵과 실제 세그멘테이션 분포를 구분할 수 있는 완전히 컨벌루셔널 방식의 판별기를 설계하였습니다. 이 논문에서는 제안된 판별기가 제안된 모델의 표준 크로스 엔트로피 손실과 결합하여 의미 분할 정확도를 개선하는 데 사용될 수 있음을 보여주었습니다. 또한, 완전히 컨벌루셔널 판별기는 비라벨 이미지의 예측 결과에서 신뢰할 수 있는 영역을 발견함으로써 추가적인 감독 신호를 제공하여 반지도 학습을 가능하게 합니다. 기존 방법들이 약간 라벨링된 이미지를 활용하는 것과 달리, 우리의 방법은 비라벨 이미지를 활용하여 세그멘테이션 모델을 강화합니다. PASCAL VOC 2012 및 Cityscapes 데이터셋에 대한 실험 결과는 제안된 알고리즘의 효과성을 입증하고 있습니다.