申请/专利权人：中国科学院计算技术研究所

申请日：2022-09-30

公开（公告）日：2024-04-09

公开（公告）号：CN117853717A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/82;G06V20/70;G06N3/0464;G06N3/048;G06N3/0895

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提出一种平衡涂鸦标注偏好的弱监督语义分割方法，包括：构建语义分割模型；对训练图片进行涂鸦标注；提取该训练图片的深层语义特征，以该深层语义特征，获得对该训练图片的初步预测图；提取该训练图片的浅层特征，对该初步预测图进行局部聚合，获得对该训练图片的最终预测图；获得该训练图片的标注概率图；以该语义分割模型的逐像素加权交叉熵损失和分割预测学习损失加和获得总损失函数；迭代更新该语义分割模型的模型参数，直到该总损失函数收敛，以此时的语义分割模型为最终分割模型。本发明还提出一种平衡涂鸦标注偏好的弱监督语义分割系统，以及一种执行弱监督语义分割的数据处理装置。

主权项：1.一种平衡涂鸦标注偏好的弱监督语义分割方法，其特征在于，包括：步骤1，构建语义分割模型，该语义分割模型包括骨架网络、浅层特征提取器、涂鸦分支、分割分支、局部聚合模块；对训练图片进行涂鸦标注，并获取该训练图片的标注区域和未标注区域；步骤2，通过该骨架网络提取该训练图片的深层语义特征；通过该分割分支以该深层语义特征，获得对该训练图片进行语义分割的初步预测图；步骤3，通过该浅层特征提取器提取该训练图片的浅层特征，通过该局部聚合模块利用该浅层特征将该初步预测图进行局部聚合，获得对该训练图片进行语义分割的最终预测图；步骤4，通过该涂鸦分支以该深层语义特征获得该训练图片的标注概率图；将该未标注区域标注为额外类别，以该额外类别和该标注区域所有的涂鸦类别为该训练图片的总类别；以该标注概率图和该总类别，计算获得逐像素加权交叉熵损失；以该标注概率图、该最终预测图及该标签区域，计算获得分割预测学习损失；以该逐像素加权交叉熵损失和该分割预测学习损失加和获得该语义分割模型的总损失函数；步骤5，更新该语义分割模型的模型参数，并依次循环执行该步骤2至该步骤4，直到该总损失函数收敛，以此时的语义分割模型为最终分割模型；以该最终分割模型对完成涂鸦标注的目标图片进行语义分割。

全文数据：

权利要求：

百度查询： 中国科学院计算技术研究所 一种平衡涂鸦标注偏好的弱监督语义分割方法及系统

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