重新审视网络扰动在半监督语义分割中的应用
发表于: 。本研究针对半监督语义分割中弱-强一致性正则化技术与网络扰动结合不足的问题,提出了一种新的网络扰动方法,以扩展现有的弱-强一致性正则化,特别是针对未标记数据。同时,我们引入了不稳定的标记数据学习过程,开发了一个名为MLPMatch的高效框架,验证其在Pascal VOC和Cityscapes数据集上的先进性能,推动了该领域的发展。
本研究针对半监督语义分割中弱-强一致性正则化技术与网络扰动结合不足的问题,提出了一种新的网络扰动方法,以扩展现有的弱-强一致性正则化,特别是针对未标记数据。同时,我们引入了不稳定的标记数据学习过程,开发了一个名为MLPMatch的高效框架,验证其在Pascal VOC和Cityscapes数据集上的先进性能,推动了该领域的发展。