交叉图像高斯混合模型

伪标签质量提升

针对半监督语义分割中的置信度偏差问题,利用已标注特征的分布信息校正未标注数据的伪标签。

Wang, Zhenyan · 陈振学 · 刘成云 · Yaping, Zhao · Jiazheng, Wu · Mengyang, Wang

Expert Systems with Applications 2026

技术优势

校正置信度偏差

利用标注特征的准确监督分布来校正未标注特征的分布,从特征层面校正伪标签,避免仅依赖高置信度带来的错误。

自适应降噪训练

根据不确定性为初始伪标签分配自适应权重,选择性保留更可信的标签参与训练,从而抑制噪声的不利影响。

性能达最先进水平

在 PASCAL VOC 2012 和 Cityscapes 数据集上均取得最优分割精度,验证了方法的有效性。

应用场景