公开(公告)号：CN115761735B

公开(公告)日：2025-02-14

申请号：CN202211432700.9

申请日：2022-11-16

Applicant: 中国矿业大学

Inventor： 王军 ,  杨宇宇 ,  潘在宇 ,  李玉莲 ,  申政文

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/80 ,  G06V10/762 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于自适应伪标签纠正的半监督语义分割方法，包括以下步骤：选取GTA5数据集构建源域，选取Cityscapes数据集构建目标域；输入源域图像到深度卷积神经网络中训练得到预训练的语义分割模型；基于目标图像生成的预测概率矩阵使用信息熵和密度聚类算法构建不确定性区域的选择策略；构建自适应伪标签纠正策略得到最终伪标签作为监督，训练半监督语义分割模型；输入目标域验证集中的目标图像到训练后的半监督语义分割模型中验证语义分割的性能。本发明实现了在线更新伪标签，解决了确认偏见问题，缓解了类别不平衡问题，克服了全卷积的缺点，提高了该模型在目标域上的语义分割效果。

公开(公告)号：CN118968062A

公开(公告)日：2024-11-15

申请号：CN202411014786.2

申请日：2024-07-26

Applicant: 中国矿业大学

Inventor： 王军 ,  胡劼 ,  杨霄 ,  潘在宇 ,  李玉莲 ,  杨宇宇 ,  杨志勇

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/098 ,  G06N20/20

Abstract: 本发明公开了一种基于交叉伪监督的域适应语义分割方法，步骤包括：选取SYNTHIA和Cityscapes数据集构建源域和目标域；使用真实标签对源域图像进行双模型交叉自监督训练，得到预训练模型；在目标域训练集中加载预训练模型，使用伪标签进行交叉伪监督训练，构建交叉伪监督双语义分割模型；提取目标域特征，设计注意力调制机制并引入注意力调制损失和熵一致性损失，优化模型；在目标域验证集上验证模型性能，保存最优参数。本发明通过综合考虑模型的“确定性”差异，利用注意力调制和熵一致性损失，提高了模型的泛化能力和鲁棒性，适应不同领域或环境下的语义分割任务。

公开(公告)号：CN115761735A

公开(公告)日：2023-03-07

申请号：CN202211432700.9

申请日：2022-11-16

Applicant: 中国矿业大学

Inventor： 王军 ,  杨宇宇 ,  潘在宇 ,  李玉莲 ,  申政文

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/80 ,  G06V10/762 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于自适应伪标签纠正的半监督语义分割方法，包括以下步骤：选取GTA5数据集构建源域，选取Cityscapes数据集构建目标域；输入源域图像到深度卷积神经网络中训练得到预训练的语义分割模型；基于目标图像生成的预测概率矩阵使用信息熵和密度聚类算法构建不确定性区域的选择策略；构建自适应伪标签纠正策略得到最终伪标签作为监督，训练半监督语义分割模型；输入目标域验证集中的目标图像到训练后的半监督语义分割模型中验证语义分割的性能。本发明实现了在线更新伪标签，解决了确认偏见问题，缓解了类别不平衡问题，克服了全卷积的缺点，提高了该模型在目标域上的语义分割效果。