摘要：在本文中，我們提出了一種新的基於交叉一致性的語義分割半監督方法。 一致性訓練已被證明是一種強大的半監督學習框架，用於在集群假設下利用未標記的數據，其中決策邊界應位於低密度區域。 在這項工作中，我們首先觀察到，對於語義分割，隱藏表示中的低密度區域比輸入中的低密度區域更明顯。 因此，我們提出了交叉一致性訓練，其中在應用於編碼器輸出的不同擾動上強制執行預測的不變性。 具體來說，共享編碼器和主解碼器使用可用的標記示例以監督方式進行訓練。 為了利用未標記的示例，我們強制主解碼器預測與輔助解碼器預測之間的一致性，將編碼器輸出的不同擾動版本作為輸入，從而改進編碼器的表示。
對於標記示例，編碼器和主解碼器以監督方式進行訓練。 對於未標記的示例，在應用於輔助解碼器輸入的不同類型的擾動上，主解碼器的預測與輔助解碼器的預測之間的一致性被強制執行。