面向半监督语义分割的知识咨询
计算机视觉与模式识别
2025-03-17 v1 图像与视频处理
摘要
半监督语义分割通过利用未标记数据和最新模型提升整体性能，减少对大量标注的依赖。尽管深度 co-training 方法取得了显著成功，但其 underlying mechanism 仍未得到充分探讨。本 work revisits Cross Pseudo Supervision with dual heterogeneous backbones，引入 Knowledge Consultation (SegKC) 以进一步提升分割性能。所提出的 SegKC 在 Pascal 和 Cityscapes 基准测试上实现显著提升，分别在 Pascal VOC 的 1/4、1/2 和 full split partition 下获得 87.1%、89.2% 和 89.8% 的 mIoU 分数，同时保持紧凑的模型架构。
引用
@article{arxiv.2503.10693,
title = {Knowledge Consultation for Semi-Supervised Semantic Segmentation},
author = {Thuan Than and Nhat-Anh Nguyen-Dang and Dung Nguyen and Salwa K. Al Khatib and Ahmed Elhagry and Hai Phan and Yihui He and Zhiqiang Shen and Marios Savvides and Dang Huynh},
journal= {arXiv preprint arXiv:2503.10693},
year = {2025}
}