申请/专利权人：湖南大学

申请日：2022-06-10

公开（公告）日：2024-06-14

公开（公告）号：CN115049817B

主分类号：G06V10/22

分类号：G06V10/22;G06V10/74;G06V10/764;G06V10/774;G06V20/70

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2022.09.30#实质审查的生效;2022.09.13#公开

摘要：本发明公开了一种基于跨图像一致性的图像语义分割方法及其系统，所述方法包括：1、训练语义分割网络；2、选择一张未标记图像，并到找一张具有相同类别k的标记图像，得到伪标签上区域为类别k的第二掩膜，和标签上区域为类别k的第一掩膜；3、用语义分割网络提取标记图像的第一深度特征，并找到第一深度特征中属于类别k的特征；4、共同优化语义分割网络；5、依据伪标签的可靠性修正未标注图像的伪标签；6、重复2至5，直至未标注图像库所对应的伪标签集全部修正完毕。本发明提出的图像语义分割方法，仅用少量的标记图像和大量的未标记图像进行训练，减少人工标注标签成本的同时，能准确地对图像进行语义分割。

主权项：1.一种基于跨图像一致性的图像语义分割方法，其特征在于，包括如下步骤：步骤S10、用标记图像库xl及其标签集yl训练第一语义分割网络N1，训练次数达到设定值后，得到第二语义分割网络N2，用第二语义分割网络N2预测未标注图像库xu并生成相应的伪标签集yu；然后用标记图像库xl及其标签集yl和未标注图像库xu及其伪标签集yu共同训练第二语义分割网络N2，直至训练的次数达到设定值，得到第三语义分割网络N3；步骤S20、在未标注图像库xu中选择一张未标记图像根据未标记图像其对应的伪标签在标记图像库xl中随机查找一张与伪标签具有相同类别k的标记图像得到伪标签上区域为类别k的第二掩膜和标签上区域为类别k的第一掩膜步骤S30、用第三语义分割网络N3提取标记图像的第一深度特征用第一掩膜对第一深度特征进行均值池化得到第一深度特征中属于类别k的类别特征步骤S40、用第三语义分割网络N3提取未标记图像的第二深度特征计算第二深度特征与类别特征的相似度区域得到跨图像一致性掩膜mi，用第二掩膜约束跨图像一致性掩膜mi，共同优化第三语义分割网络N3；步骤S50、计算第二掩膜和跨图像一致性掩膜mi之间的欧式距离，并作为权重判断伪标签的可靠性，依据伪标签的可靠性修正未标注图像的伪标签步骤S60、重复步骤S20至步骤S50，直至未标注图像库xu所对应的伪标签集yu全部修正完毕，图像语义分割完成。

全文数据：

权利要求：

百度查询： 湖南大学 一种基于跨图像一致性的图像语义分割方法及其系统

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