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！

龙图腾网获悉深圳大学申请的专利基于半监督学习的图像分割模型的训练方法及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：CN114255237B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202111338238.1，技术领域涉及：G06T7/10；该发明授权基于半监督学习的图像分割模型的训练方法及分割方法是由王毅;曾祥云;黄日安;钟宇鸣设计研发完成，并于2021-11-12向国家知识产权局提交的专利申请。

本基于半监督学习的图像分割模型的训练方法及分割方法在说明书摘要公布了：本申请公开了一种基于半监督学习的图像分割模型的训练方法及分割方法，方法包括基于第一训练样本集及初始教师模型确定第二训练样本集，并基于第二训练样本集优化初始学生模型以得到候选学生模型；基于第二训练样本集、候选学生模型、初始教师模型及第三训练样本集确定的损失函数优化初始教师模型，重复上述操作以得到图像分割模型。本申请中初始学生模型根据初始教师模型在无标注数据集的预测标注优化参数，初始教师模型根据候选学生模型在有标注数据集上的性能表现优化参数以生成更好的预测标注供初始学生模型学习，这样通过初始教师模型和初始学生模型的交替优化，可以合理利用有标注数据和无标注数据，提高图像分割模型的模型性能。

本发明授权基于半监督学习的图像分割模型的训练方法及分割方法在权利要求书中公布了：1.一种基于半监督学习的图像分割模型的训练方法，其特征在于，所述的训练方法包括： 基于第一训练样本集以及初始教师模型确定第二训练样本集，并基于所述第二训练样本集优化初始学生模型的模型参数，以得到候选学生模型，其中，所述第一训练样本集中的每个训练图像均未携带真实标注； 基于所述第二训练样本集、候选学生模型、所述初始教师模型及第三训练样本集确定损失函数，并基于所述损失函数优化所述初始教师模型的模型参数以得到候选教师模型，其中，所述第三训练样本集中的每个训练图像均携带真实标注； 将所述候选教师模型作为初始教师模型，将所述候选学生模型作为初始学生模型，继续执行基于第一训练样本集以及初始教师模型确定第二训练样本集的步骤，直至所述初始学生模型的模型参数满足预设条件，以得到图像分割模型； 其中，所述基于所述第二训练样本集、候选学生模型、所述初始教师模型以及第三训练样本集确定损失函数具体包括： 基于第三训练样本集以及所述候选学生模型确定第一损失项； 基于第三训练样本集以及所述初始教师模型确定第二损失项； 分别对所述第二训练样本集中的各第二训练图像以及各自对应的第二预测标注进行数据变换； 将各数据变换后的第二训练图像输入所述初始教师模型，通过所述初始教师模型确定各数据变换后的第二训练图像各自对应的预测标注； 基于各变换后的第二预测标注以及各预测标注，确定第三损失项； 基于所述第一损失项、所述第二损失项以及所述第三损失项，确定损失函数。

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深圳大学，其通讯地址为：518060 广东省深圳市南山区南海大道3688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”。