[发明专利]基于协同学习的弱监督语义分割方法及系统有效
| 申请号： | 201910619773.0 | 申请日： | 2019-07-10 |
| 公开（公告）号： | CN110363201B | 公开（公告）日： | 2021-06-01 |
| 发明（设计）人： | 张娅;李智康;王延峰 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/62 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 庄文莉 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于协同学习的弱监督语义分割方法及系统，所述方法包括：特征图提取步骤：对输入的原始图像，使用深度神经网络提取图像的高层特征图；定位图提取步骤：使用定位子网络，在特征图上基于图像标签提取物体的定位图；分割图提取步骤：使用分割子网络和条件随机场，在特征图上提取物体分割图；伪标签生成步骤：在物体定位图和分割图上，利用阈值选取得到物体定位伪标签和物体分割伪标签；伪标签结合步骤：物体定位伪标签和物体分割伪标签使用一种自适应的混合策略进行混合。所述系统包括与所述各步骤相对应的模块，本发明能够仅通过提供图像级别的标签，训练对图像的像素级别预测的模型，从而完成对图像的语义分割。 | ||
| 搜索关键词： | 基于 协同 学习 监督 语义 分割 方法 系统 | ||
【主权项】：
1.一种基于协同学习的弱监督语义分割方法，其特征在于，包括：特征图提取步骤：对输入的原始图像，使用深度神经网络提取图像的高层特征图；定位图提取步骤：使用定位子网络，在高层特征图上基于图像标签提取物体定位图；分割图提取步骤：使用分割子网络和条件随机场，在高层特征图上提取物体分割图；伪标签生成步骤：在物体定位图和物体分割图上，利用阈值选取分别得到物体定位伪标签和物体分割伪标签；伪标签结合步骤：将物体定位伪标签和物体分割伪标签进行自适应混合。
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上海交通大学，未经上海交通大学许可，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/201910619773.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种线段检测方法及其系统
- 下一篇：指针式仪表数值读取方法及计算机终端
