本发明设计一种基于双鉴别器对抗学习的半监督图像语义分割方法。采用双鉴别器与分割器进行交替训练的策略。将不同的类概率图及目标值进行线性混合作为双鉴别器的训练数据，并输出空间置信图。使用带标签数据训练时，分割网络受到基于标准的交叉熵损失与对抗损失的共同监督。经过多轮的交替训练后，加入无标签数据，继续训练。将两个鉴别器输出的置信图分别经过设定的阈值二值化处理，得到两个不同的高置信度区域，将这两个区域的交集作为一种伪标签，用于计算无标签数据的交叉熵损失。此时分割网络多了一项基于伪标签的交叉熵损失。本发明通过引入双鉴别器对抗学习，不仅提升了模型训练的稳定性，也提升了分割性能，证明了该方法的有效性。