申请/专利权人：浙江大学;上海合合信息科技股份有限公司

申请日：2023-12-13

公开（公告）日：2024-03-22

公开（公告）号：CN117746018A

主分类号：G06V10/25

分类号：G06V10/25;G06V10/26;G06V10/75;G06V10/74;G06V10/774;G06V10/776;G06V10/70;G06N5/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种面向平面扫描图像的用户定制化意图理解方法及系统，该方法包括：由基域数据集和目标域数据集获得增量测试集；在基域数据集上训练基域分割模型并进行推理，得到基础像素级掩膜；由目标域推理模型进行推理，得到目标像素级掩膜；将基础像素级掩膜与目标像素级掩膜，利用自提升模块进行融合和后处理，得到最终像素级掩膜。该系统包括数据集获取模块、增量测试集构建模块、基础像素级掩膜获取模块、目标像素级掩膜获取模块以及最终像素级掩膜获取模块。利用该方法可用于对平面扫描图像进行最终像素级掩膜的预测，实现用户定制化意图理解。本发明以较小的开销解决了小样本增量问题，能更好地适应用户个性化的意图理解任务。

主权项：1.一种面向平面扫描图像的用户定制化意图理解方法，其特征在于，包括以下步骤：S1.获取基域数据集和目标域数据集；其中，基域数据集包括若干张平面扫描图像及与平面扫描图像对应的若干个像素级掩膜，将基域数据集划分为基域测试集和基域训练集；目标域数据集分成N组增量子数据集，目标域数据集中的每张平面扫描图像均对应一个标注文件，每个标注文件均包含标注状态、与标注文件对应的图像的高度、宽度和旋转角度；S2.在每组增量子数据集中，将平面扫描图像划分成无标注、标注不全以及标注完整的类别，在每组增量子数据集的标注完整的平面扫描图像中均选择一张平面扫描图像作为模板图像，利用N张模板图像构成模板集，所述模板图像需满足对应的标注文件中旋转角度为0；在每组增量子数据集中，去除无标注、标注不全以及模板图像，将每组增量子数据集中剩余的平面扫描图像以及基域测试集共同构成增量测试集；S3.在基域训练集上训练一个基域分割模型，利用经过训练的基域分割模型对增量测试集进行推理，得到增量测试集中每张图像的基础像素级掩膜；S4.获取一个经过训练的目标检测模型和一个经过训练的分割模型，利用所述目标检测模型、所述分割模型、一个模板匹配模块和一个框匹配模块构建目标域推理模型；由所述目标域推理模型对增量测试集进行推理，得到增量测试集中每张图像的目标像素级掩膜；S5.将所述基础像素级掩膜和所述目标像素级掩膜一起输入到自提升模块中，得到增量测试集中每张图像的最终像素级掩膜，由最终像素级掩膜实现用户定制化意图的预测。

全文数据：

权利要求：

百度查询： 浙江大学;上海合合信息科技股份有限公司 面向平面扫描图像的用户定制化意图理解方法及系统

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