申请/专利权人：大连海事大学

申请日：2024-05-14

公开（公告）日：2024-06-11

公开（公告）号：CN118172558A

主分类号：G06V10/26

分类号：G06V10/26;G06V20/70;G06V40/10;G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/0895

优先权：

专利状态码：在审-公开

法律状态：2024.06.11#公开

摘要：本发明公开基于层次信息传递的抗噪声半监督人体语义分割方法，涉及图像处理技术领域，其特征在于，包括以下步骤：S1：输入：数据收集，获取少量带有语义分割标注的人体图像和大量未标注的人体图像，表示少量带语义分割标注的人体图像集合。本发明涉及图像处理技术领域，具体地讲，涉及基于层次信息传递的抗噪声半监督人体语义分割方法。本发明提出了一种层次信息传递网络，可以充分利用人体结构间存在的关系提高模型对不同人体结构解析的推理能力。在此基础上，考虑到伪标签中可能混杂大量噪声，提出了一个抗噪声的混合学习方法，降低噪声伪标签对模型训练带来的负面影响。

主权项：1.基于层次信息传递的抗噪声半监督人体语义分割方法，其特征在于，包括以下步骤：S1：数据收集，获取少量带有语义分割标注的人体图像和大量未标注的人体图像，表示少量带语义分割标注的人体图像集合，表示未标注的人体图像集合；S2：搭建层级信息传递网络，用表示；S3：在集合上，利用有监督学习训练网络；S4：利用训练好的网络生成集合中人体图像的伪标签，通过半监督学习重新训练网络，用于人体语义分割；所述S2的具体步骤为：S21：将高分辨率网络作为网络的骨干网络，用表示，利用从输入的人体图像上提取深层特征，表示为；S22：利用带孔洞空间金字塔池化模块将深层特征映射成人体目标的全局根节点特征，表示为；S23：将根节点特征送入个阶段的人体信息传递模块，预测出人体分割结果；所述S23的具体步骤为：S231：第一个阶段，建模自上而下的层次信息传递，使信息由高层节点逐渐流向低层节点；将根节点特征通过节点信息传递模块对父节点和对应子节点的信息传递关系进行建模，根据预先定义的三层人体结构关系模型，每个父节点区域覆盖了若干个子节点区域，第一阶段的目标是使信息从更高级别节点向更低级别节点流动；对于任意一个父节点的特征，它的子节点表示为，通过节点信息传递模块，子节点的特征可以表示为如下形式： （1）；其中：表示元素相乘操作； 表示节点信息传递模块，从上提取出关于子节点的注意力图；这里，将带孔洞空间金字塔池化模块提取的全局根节点特征作为最高级节点的父节点；S232：第二阶段，引入新的自下而上的信息流通方向，进一步建模子节点到父节点的信息传递关系；在节点信息传递模块中，通过自校正卷积在不增加计算量情况下，可以挖掘更具判别力的特征表示，提高模型对人体的解析能力；自校正卷积中，和分别表示卷积操作和卷积核权重，对于输入大小为的特征图，按通道方向均等地拆分成两个特征图和，每个特征图的大小为，其中，、和分别表示特征图的高，宽和通道数；在自校正过程中，首先，通过滤波尺寸为，步长为的均值池化操作对进行下采样，表示为如下形式： （2）；接下来，通过对进行特征变换，并进行上采样，表示为如下公式： （3）；其中，表示线性插值操作，将特征图从当前的小尺度空间映射到原先的尺度空间上，则校正过程可以定义成如下公式所示： （4）；其中，表示激活函数；最后，自校正卷积的输入可以表示成如下形式： （5）；其中，表示按通道拼接操作，在自校正卷积后，将通过一个卷积核为的卷积层输出节点的注意力图，针对的监督信号通过设定的语义类别自动生成，包含前景和背景两个通道；最后，通过拼接操作融合低层节点的特征，并通过一个带孔洞空间金字塔池化模块为下一阶段提供全局的根节点特征；S233：对于第个阶段的节点，其特征表示为： （6）；其中，表示按通道拼接操作； 表示一个的卷积层； 表示在上一个阶段中所有子节点的集合，其中，表示上一个阶段中子节点的个数；S234：将第个阶段的节点的特征送入进一个卷积核为1×1的卷积层，预测出人体分割结果。

全文数据：

权利要求：

百度查询： 大连海事大学 基于层次信息传递的抗噪声半监督人体语义分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD