Semi-Supervised Semantic Segmentation With Multi-Constraint Consistency Learning

Jianjian Yin

doi:10.1109/TMM.2025.3586111

Semi-Supervised Semantic Segmentation With Multi-Constraint Consistency Learning

2025-01-01

0

PRE

AI

Liqiang Nie (Liqiang Nie)

华先胜 (Xian‐Sheng Hua)

DOI：10.1109/TMM.2025.3586111

原文链接

原文求助

摘要

En 中文

一致性正则化在半监督语义分割中占据主导地位，并取得了有前景的性能。然而，现有方法通常侧重于增强基于图像增强的预测一致性，并将分割网络作为一个整体进行优化，导致对潜在监督信息的利用不足。在本文中，我们提出了一种多约束一致性学习（MCCL）方法，以促进编码器和译码器的分阶段增强。具体而言，我们首先设计了一种特征知识对齐（FKA）策略，以促进编码器从图像增强中进行特征一致性学习。我们的FKA鼓励编码器从点对点对齐和原型基础上的类内紧凑性角度，为强增强和弱增强视图推导一致的特征。此外，我们提出了一种自适应干预（SAI）模块，以增加对齐后的中间特征表示的差异，促进基于特征扰动的预测一致性学习。我们以实例特定的方式设计了自适应特征掩码和噪声注入，以扰动特征，从而实现译码器的鲁棒学习。在Pascal VOC2012和Cityscapes数据集上的实验结果表明，我们提出的MCCL实现了新的最先进性能。

Keyword:

Semi-supervised semantic segmentation

consistency regularization

multi-constraint consistency learning

feature knowledge alignment

self-adaptive intervention

Semi-Supervised Semantic Segmentation With Multi-Constraint Consistency Learning

摘要

期刊

机构

引用论文