点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

作者丨黄浴@知乎

来源丨https://zhuanlan.zhihu.com/p/341180239

编辑丨3D视觉工坊

arXiv12月19号苏黎世ETH的上传论文“Three Ways to Improve Semantic Segmentation with Self-Supervised Depth Estimation“：

分割需要标注数据的工作很麻烦。本文是semi-supervised方法，其中采用自监督的单目深度估计结果来增强，即auxiliary task。（1）深度估计的特征学习知识迁移到语义分割任务；（2）采用的data augmentation很强，即DepthMix，将标记和图像基于景物结构进行混合；（3）depth特征的diversity和“学生-老师”框架的depth学习难度，有助于选择有用特征做语义分割的标注，即Unsupervised Data Selection for Annotation，其选择的标准是diversity和uncertainty。

作者给出开源代码：https://github.com/lhoyer/improving_segmentation_with_selfsupervised_depth

Active learning是有助于减少标注负担的方法。一是uncertainty-based，另一个是diversity-based。

如下是非监督数据选择的算法伪代码：

diversity sampling公式：

uncertainty sampling公式：

DepthMix的公式：两幅图像加一个来自depth的Mask（即近目标能够遮挡远目标）

整个半监督的语义分割框架如图：其中SDE（selfsupervised depth estimation）作为辅助任务。LD是SDE的depth loss函数项，LF是特征距离项（避免特征遗忘），而segmentation的训练是基于pixel-wise cross entropy函数Lce。

depth预训练的loss函数：

注：图中的depth decoder得到的fD，可做semantic decoder输出fS的初始化。

无标注图像的学习，是通过一个mean teacher算法产生伪标记，即对语义分割模型的weight采用exponential moving average，类似temporal ensemble

整个标记样本和伪标记样本做分割训练的loss函数是

加入DepthMix样本S‘即把标注和伪标注的样本组合，取代非标注样本，新的loss函数即

实验结果：

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~