现阶段传统的语义分割已经逐渐走向瓶颈,你设计一个网络,修改一下U-Net增加一个模块,现在已经很难再出优秀的成果,大家对你的创新程度认可度也越来越低。所以现在大家在进行语义分割的时候往往需要自行创造出一些需求,比如半监督语义分割。半监督的方法相比于无监督更简单一些,也减少了语义分割中数据少的问题。
语义分割的半监督方法有许多种,其中我个人认为最简单也是最方便的方法就是自学习方法。自训练总共分为三个阶段:
- 【有监督预训练】在有标签图像上完全训练得到一个初始的教师模型
- 【生成伪标签】用教师模型在所有的无标签图像上预测one-hot伪标签
- 【重新训练】混合有标签图像和无标签图像及其伪标签,在其上重新训练一个学生模型,用于最终的测试
这是一个比较经典的半监督学习方法。