买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜重庆邮电大学申请的专利一种基于双网络协同分割模型的图像语义分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116468888B 。

龙图腾网通过国家知识产权局官网在2025-05-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310309481.3，技术领域涉及：G06V10/26；该发明授权一种基于双网络协同分割模型的图像语义分割方法是由舒禹程;兰尹;肖斌;李伟生设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本一种基于双网络协同分割模型的图像语义分割方法在说明书摘要公布了：本发明属于计算机视觉领域，具体涉及一种基于双网络协同分割模型的图像语义分割方法，包括：建立构建双网络协同分割模型，对于带标签数据采用全监督学习的方式进行模型的训练，对于无标签数据采跨网络相互学习的方法进行半监督学习进模型的训练，将待分割的图像输入训练好的双网络协同分割模型，得到分割结果；本发明基于标签空间和特征空间的相互互补学习，实现了对大量无标签数据的高效利用和开发，缓解了目前全监督深度学习模型训练需要高质量、高成本、极耗时的标签需求，在保证分割模型的性能时进一步让模型的训练成本大大降低，并能够部署于各种的智能系统，具有较高的实际应用价值。

本发明授权一种基于双网络协同分割模型的图像语义分割方法在权利要求书中公布了：1.一种基于双网络协同分割模型的图像语义分割方法，其特征在于，包括：构建双网络协同分割模型并进行训练，将待分割的图像输入训练好的双网络协同分割模型，得到分割结果；所述双网络协同分割模型，包括：两个参数不同网络结构相同的分割网络fθ1和fθ2，所述fθ1和fθ2包括：编码器、分类器、和投影头；所述双网络协同分割模型的训练过程，包括以下步骤：S1：将有标签数据输入分割网络fθ1和fθ2，采用传统的基于像素级交叉熵的全监督语义分割方法进行模型的训练，训练的全监督损失函数用表示；S2：对无标签数据xu进行弱数据增强Aw处理，得到无标签数据的弱数据增强版本xw＝Awxu；S3：将弱数据增强版本xw进行两次强数据增强As处理，得到两个不同的强数据增强版本xs1＝Asxw和xs2＝Asxw；S4：将弱数据增强版本xw同时输入分割网络fθ1和fθ2，先对xw通过编码器进行编码，然后使用分类器进行分类，分别得到分割预测和S5：将两个强数据增强版本xs1、xs2分别输入分割网络fθ1和fθ2，两个网络分别对xs1、xs2通过编码器进行编码，然后使用分类器进行分类，分别得到分割预测和S6：将弱数据增强版本的预测分别进行硬化操作，得到伪标签y1和y2；S7：根据伪标签y1和y2使用损失函数进行跨网络在标签空间中的一致性学习；S8：将无标签数据的弱数据增强版本xw输入分割网络fθ1和fθ2，分别通过两个分割网络的编码器对xw进行编码，通过投影头将编码后的xw投影到对比学习特征空间中，得到特征集合z1、z2；S9：将特征集合z1、z2中来自不同网络被投射到同一特征空间的具有相同位置的特征定义为一对正样本，将具有不同伪标签的特征定义为一对负样本；S10：通过正负样本对得到模型跨网络对比学习在特征空间中的损失函数通过优化进行对比学习让锚特征向量与正样本相互吸引，与负样本相互排斥；S11：根据全监督训练和半监督训练的损失函数得到所述双网络协同分割模型的整体损失函数，当整体损失函数的损失值最小时，完成所述双网络协同分割模型的训练，得到训练好的双网络协同分割模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。