半监督学习在语义分割算法中的应用

摘要

深度学习是基于数据构建统计模型,通过模型对未知数据进行预测的一种统计学习方法.为保障模型质量,语义分割训练需要大量像素级别精确的标注数据.采用半监督学习的训练方式,首先训练一个可为大量无标注数据生成伪标签的标注模型,然后将人工标注的数据与模型标注的数据放在一起进行训练,以提升模型的泛化能力.此外,为减轻大量伪标签数据带来的计算负担,采用逐步调整训练图像分辨率的方法,在保证精确度的前提下可使训练总时间减少一半.实验结果表明,采用该训练方法,结合使用未标注数据,可在Cityscapes数据集上提升模型精确度,大幅减少新数据标注的时间及成本.