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。大多数现有的判别器都是在图像级别上训练，以区分输入图像是真实还是伪造的，而我们设计了一个全卷积判别器，能够在考虑空间分辨率的情况下区分预测的概率图与真实分割分布。我们展示了所提出的判别器可以通过将对抗损失与模型的标准交叉熵损失结合来提高语义分割的准确性。此外，全卷积判别器通过发现未标记图像预测结果中的可信区域，实现了半监督学习，从而提供了额外的监督信号。与现有利用弱标记图像的方法不同，我们的方法利用未标记图像来增强分割模型。在PASCAL VOC 2012和Cityscapes数据集上的实验结果证明了所提算法的有效性。