「Transfer Learning」Note on AdvSemiSeg

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/dgyuanshaofeng/article/details/83215829

Sina Weibo：小锋子Shawn
Tencent E-mail：[email protected]
http://blog.csdn.net/dgyuanshaofeng/article/details/83215829

作者：Wei-Chih Hung, Yi-Hsuan Tsai, Yan-Ting Liou, Yen-Yu Lin, Ming-Hsuan Yang
单位：University of California Merced, NEC Laboratories America, National Taiwan University, Academia Sinica Taiwan, Google Cound

0 摘要

绝大多数GAN的判别器是基于图像级去鉴定真伪，本文考虑采用FCN的判别器，去鉴定预测概率图和真实分割图。结合对抗损失和标准交叉熵损失，可以提升语义分割准确率（早在2014年有人证明过，对抗损失具有正则作用）。全卷积判别器具有半监督学习，从未标注图像中获得监督信号。半监督学习，通常标注和未标注数据是来自于同一个总体的。在PASCAL VOC 2012和Cityscapes上证明本文方法的有效性。

1 介绍

略

2 相关工作

略

3 算法概述

如图1所示。

[1] Adversarial Learning for Semi-supervised Semantic Segmentation BMVC 2018 [paper] [code]