本手法の半教師付きフレームワークではWeakセットセグメンテーションラベルを生成する補助モデルと、精度を向上させる一次モデルを用いて学習中に生成されたラベルを改善する自己補正モジュールを用いることで、学習時のFullセットからの重みとWeakからの初期重みを効率的に学習させることに成功した。

PASCAL_VOC2012とCityscapeのデータセットを用いた検証において、小さなFullセットで学習したモデルが、大きなFullセットで学習したモデルと同等かそれ以上の性能を達成した。割合としてアノテーションに必要な労力の7倍少なくて済むことを示した。