Adversarial Learning for Semi-su

目标：利用对抗学习解决半监督语义分割问题

方法：通过融合对抗学习损失和分割交叉熵损失，提升语义分割的精度（详见code）

• 生成模型为任意语义分割模型
• 判别模型基于FCN，输入 为真实分割标签或通过分割模型产生的分割结果，输出为单通道特征图，特征图上的每个像素值表明该像素是否来自真实标签
• 带标签数据回传对抗学习损失和交叉熵损失
• 判别器网络只用带标签数据训练
• 不带标签数据只用于训练分割网络，即生成器网络

• 不带标数据生成的mask经过判别器后生成一张置信度图，该图可用来评价mask的质量，进一步mask可得作为一个部分可信的分割监督信号，用来训练分割网络。简而言之，不带标签的数据也可以回传一个交叉熵损失

  
  framework.png

结果：