基于改进生成对抗网络的半监督语义分割

摘要

为了解决对抗式半监督语义分割网络在训练过程中稳定性较差，传统语义分割网络难以对像素之间远距离依赖关系建模等问题，提出了一种结合谱归一化生成对抗网络和坐标注意力机制的半监督语义分割网络.利用谱归一化使对抗网络判别器满足利普西茨连续性，从而提高了网络训练过程的稳定性且避免了梯度消失的问题；在分割网络中融入坐标注意力机制，使网络能够获取远距离像素之间的依赖关系，并扩大感受野.与基准模型相比，在PASCAL VOC 2012增强数据集中采用1/50、1/20和1/8标记数据集时，MIoU分别提升了2.2%、1.4%和1.8%；在Cityscapes城市街景数据集中采用1/8、1/4和1/2标记数据集时，MIoU分别提升了1.9%、2.1%和1.3%.实验结果证明，与其他基于对抗学习的半监督语义分割网络相比，该算法在半监督语义分割任务中具有较好的稳定性和准确性.

关键词

语义分割 / 半监督学习 / 生成对抗网络 / 谱归一化 / 注意力机制