申请/专利权人：华南理工大学

申请日：2021-10-27

公开（公告）日：2024-04-23

公开（公告）号：CN113920127B

主分类号：G06T7/10

分类号：G06T7/10;G06V10/764;G06V10/74;G06V10/774;G06N3/094;G06N3/0464;G06N3/0475;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.01.28#实质审查的生效;2022.01.11#公开

摘要：本发明公开了一种训练数据集独立的单样本图像分割方法和系统，包括建立训练数据和测试数据，两个数据来自不同的数据集，训练数据和测试数据均划分为支持集和查询集；构建分割分支网络模型和分布对齐分支网络模型；训练分割分支网络模型及分布对齐分支网络模型；利用训练好的分割分支网络模型对测试数据类别进行预测。本方法训练的深度网络能解决单样本图像分割中训练数据集和测试数据集分布差异大的情况，并且进一步提升分割性能。

主权项：1.一种训练数据集独立的单样本图像分割方法，其特征在于，包括：建立训练数据和测试数据，两个数据来自不同的数据集，训练数据和测试数据均划分为支持集和查询集；构建分割分支网络模型和分布对齐分支网络模型；训练分割分支网络模型及分布对齐分支网络模型；利用训练好的分割分支网络模型对测试数据类别进行预测；所述分割分支网络模型为基于类原型的单样本图像分割网络，分布对齐分支网络模型为基于生成-对抗机制的网络结构；所述分割分支网络模型包括骨干网络及基于余弦相似度的分类器，训练分割分支网络模型，具体为：将训练数据中支持集和查询集的有标签图片和对应的标签输入分割分支网络模型，得到查询集图片的预测图；利用Gumbel-Softmax方法生成查询集图片的伪标签；将具有伪标签的查询集替换原始支持集，原始支持集替换原始查询集，再次输入分割分支网络模型，输出原始支持集图片的预测图；利用两个生成的预测图和交叉熵函数优化分割分支网络模型；所述分布对齐分支网络模型包括分割分支中的骨干网络及判别器，训练分布对齐分支网络模型的步骤如下：将训练数据中的无标签的支持集图片和查询集图片输入骨干网络提取支持集特征和查询集特征，并将两个特征输入判别器，得到特征对应的预测值，通过预测值优化分布对齐分支网络；利用训练好的分割分支网络模型对测试数据类别进行预测，具体为：首先经过骨干网络提取查询集和支持集的特征Fq、Fs；再利用支持集图片标签进行掩膜平均池化得到对应的类原型Pfg,Pbg；最后，利用基于余弦相似度的分类器对每个像素点进行分类即可；所述分类具体为： m′q＝argmaxPredq；其中分别是特征Fq的前景元素和背景元素的预测值，Predq为查询图片的预测图，Pfg,Pbg分别为前景和背景的类原型，α为乘积因子，固定为20，m′q为对测试图片的预测结果。

全文数据：

权利要求：

百度查询： 华南理工大学 一种训练数据集独立的单样本图像分割方法和系统

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