[发明专利]一种基于最大二乘损失的无监督域适应语义分割方法有效
| 申请号： | 201910353614.0 | 申请日： | 2019-04-29 |
| 公开（公告）号： | CN110222690B | 公开（公告）日： | 2021-08-10 |
| 发明（设计）人： | 陈铭浩;蔡登;薛弘扬 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/62 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于最大二乘损失的无监督域适应语义分割方法，包括：(1)在源域上预训练语义分割模型，所述语义分割模型基于ResNet网络；(2)同时提取语义分割模型中第四层的特征，加入一个额外的分类网络，对该网络分支进行同样的预训练；(3)在源域上有监督地训练语义分割模型，同时在目标域上使用最大二乘损失无监督地训练语义分割模型；(4)在目标域，使用ResNet网络最后一层的输出作为伪标签，无监督地训练第四层特征；(5)模型训练完毕，在目标域上对图片输出它的语义分割图。利用本发明，使无监督域适应的语义分割效果中，能够对难训练样本和小物体类别得到更多的训练，提高最后目标域上的语义分割质量。 | ||
| 搜索关键词： | 一种 基于 大二 损失 监督 适应 语义 分割 方法 | ||
【主权项】：
1.一种基于最大二乘损失的无监督域适应语义分割方法，其特征在于，包括：(1)在源域上预训练语义分割模型，所述语义分割模型基于ResNet网络；(2)同时提取语义分割模型中第四层的特征，加入一个额外的分类网络，对该网络分支进行同样的预训练；(3)在源域上有监督地训练语义分割模型，同时在目标域上使用最大二乘损失无监督地训练语义分割模型；(4)在目标域，使用ResNet网络最后一层的输出作为伪标签，无监督地训练第四层特征；(5)模型训练完毕，在目标域上对图片输出它的语义分割图。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910353614.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于深度学习的西洋银器戳记识别方法
- 下一篇：产品标签识别系统及方法
