刘腊梅，宗佳旭，肖振久*，兰海，曲海成

1. 辽宁工程技术大学软件学院，葫芦岛 125105； 2. 泉州装备制造研究所，泉州 362000

0 引 言

深度学习在计算机视觉领域取得了令人瞩目的成果。但是，训练深度学习模型需要大量的标记数据，获取这些数据是耗时耗力的，在语义分割中这种现象更为严重。像素级标签的获取需要耗费大量的人力和物力，成本是区域级和图像级标签的15倍和60倍(Lin等，2014)。因此，深度学习需要提高数据的利用率，特别是在图像语义分割方法中。

目前，越来越多的研究工作集中在深度半监督学习上，以利用大量未标记数据并限制对标记数据的需求。在深度学习中，主流的半监督方法包括一致性训练(Tarvainen和Valpola，2017)、伪标签法(陈辰 等，2020)和熵最小化(Miyato等，2019)等方法。而半监督学习的最新进展大多集中在分类任务中，在语义分割中仍然受到限制。语义分割中的大多数工作(Zhang等，2020)专注于利用弱监督学习训练模型，即利用图像级标签生成伪像素标签，然后与有限的像素级标签共同用于训练。然而这些方法依然会受到限制，弱监督的方法需要带有非像素级标签的示例配合像素级标签的数据共同训练，因此弱监督方法不会利用未标记数据来提取其他训练信号。在半监督学习方法中，基于生成对抗网络(generative adversarial networks,GANs)的训练方法会利用未标记的数据，通过GANs的框架结构扩展到像素级别的预测，利用鉴别器对抗损失和有监督损失来联合训练(Souly等，2017)，但需要解决模型坍塌等棘手问题。……