半监督语义分割模型

模糊像素不浪费

通过三层级随机增强和基于置信度的模糊标签分配，让无标注图像的可用信息大幅增加，半监督语义分割性能达到新最优。

Wang, Zhenyan · 陈振学 · 刘成云 · Yaping, Zhao · Xinming, Zhu · Q.M. Jonathan, Wu

Neurocomputing 2025

技术优势

不引入额外模型

方法仅利用模型自身的输入输出进行训练，无需额外的辅助网络或复杂流程。

无标注像素不浪费

对置信度较低的模糊像素分配多模糊标签，使其仍能为模型提供有效监督。

大幅提升分割精度

在多个半监督语义分割基准上取得了新的最优性能。

应用场景

• 视觉感知标注提效：减少像素级标注需求，用少量标注图像即可训练。
• 机器人视觉落地：轻量方案，易于集成到机器人视觉系统。
• 无人机场景理解：提升航拍图像分割精度，节省标注成本。
• 医疗影像分割：缓解医学影像标注稀缺，支持专家级分割。