龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：大连大学
摘要：本发明提出一种基于双向正则化指导的无监督域适应语义分割方法，该方法同时在源域和目标域两个领域进行正则化，能够增强模型对目标域的适应性。包括以下步骤：步骤1：首先训练两个预训练模型；步骤2：采用源域数据对模型进行训练；步骤3：采用目标域数据对模型进行训练；步骤4：利用特征对齐距离重权重损失对模型进行训练；步骤5：利用一致性损失对模型进行训练，并进行反向传播。
主权项：1.一种基于双向正则化指导的无监督域适应语义分割方法，其特征在于，包括以下步骤：步骤1：首先训练两个预训练模型，包括ImageNet预训练模型其使用ImageNet数据进行训练，以获取ImageNet中对模型指导的信息；以及类别熵预训练模型E'，其采用全局光照对齐对源域图像进行风格化训练，以获取源域图像数据的源域信息；步骤2：使用源域图像训练学生网络模型hθ，训练过程中使用有监督的源域损失进行训练；步骤3：将学生网络模型hθ进行EMA权重更新，得到教师模型，利用教师模型对未经处理的目标域函数进行预测，得到目标域图像的伪标签，利用目标域图像伪标签作为目标域图像标签并对学生网络模型进行训练；步骤4：使用ImageNet预训练模型对目标域图像进行特征提取后聚类，获取K个类别中心；再用ImageNet预训练模型对源域图像进行特征提取，并计算每个特征到类别中心的最小距离Dxsi；使用类别熵预训练模型E'根据最小距离Dxsi计算出权重图，来加权ImageNet预训练模型的特征提取器EI提取的特征与学生网络模型hθ的特征提取器Eθ提取的特征之间的特征对齐距离；步骤5：通过学生网络模型hθ获得目标域图像扰动预测p't；根据目标域图像扰动预测p't计算目标域一致性扰动权重qT,并使用阈值对目标域图像的伪标签进行过滤得到一致性标签；利用得到的权重qT，以及一致性标签对学生网络模型利用一致性损失进行训练，并进行反向传播；步骤6：加载步骤5中训练好的学生网络模型，将验证集输入模型中，获得分割结果以及相应的评价指标。
全文数据：
权利要求：
百度查询： 大连大学 一种基于双向正则化指导的无监督域适应语义分割方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号