摘要：
#Semi-supervised Semantic Segmentation with Directional Context-aware Consistency 收录于CVPR2021 原文 ##Motivation 一致性在半监督语义分割中发挥了重大作用，一般意义上的一致性是通过约束弱数据增强方 阅读全文
摘要：
CVPR2021 原文 ##半监督语义分割方法的总结： 主要思想： Consistency regularization ：希望不同扰动之下网络的输出结果一致，扰动的加入的位置：（1）在输入图片上加扰动（2）在某一层的输出特征上添加扰动 ##创新点： 鼓励两个初始化不同（不同扰动）的网络的一致性 利 阅读全文
摘要：
如图所示，对于一层神经网络来说，当神经元$X_2$的range远远大于$X_1$时，加权后得到的输出$a$会极大的收到神经元$W_2*X_2$的影响，即$W_2$的大小会极大的影响loss的大小，如下图左图所示。由此，为了使得loss变小，收敛，我们需要在不同方向（权重）上应用不同学习率大小，更新参 阅读全文
摘要：
#Semi-Supervised Semantic Segmentation with High- and Low-level Consistency TPAMI 2019 论文原文 code 创新点： 利用两个分支结构分别处理low-level和high-level的特征，进行半监督语义分割 ## 阅读全文
摘要：
##Adversarial Learning for Semi-Supervised Semantic Segmentation 论文原文 ##摘要 创新点：我们提出了一种使用对抗网络进行半监督语义分割的方法。 在传统的GAN网络中，discriminator大多是用来进行输入图像的真伪分类（Dat 阅读全文
摘要：
论文原文原文地址 Motivations 传统的训练方式需要针对不同 domain 的数据分别设计模型，十分繁琐（deploy costs） 语义分割数据集标注十分昂贵，费时费力 Contributions 本文提出的统一模型可以实现跨领域统一训练 模型使用少量的标注数据和大量未标注数据（半监督模型 阅读全文