公开(公告)号：CN113792630B

公开(公告)日：2023-11-07

申请号：CN202111010548.0

申请日：2021-08-31

Applicant: 北京大学

Inventor： 刘家瑛 ,  汪文靖 ,  林里浪 ,  樊泽嘉 ,  郭宗明

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/74 ,  G06V10/82 ,  G06N3/09

Abstract: 本发明公开一种基于对比学习的外星地表图像识别方法及系统，属于图像识别领域，通过搭建图像识别模型，并对该模型进行类间对比学习和相似性学习训练，来识别外星地表图像。本发明能够在不引入额外人类监督的条件下，使模型自适应学习新样本类型与数据域分布，进而兼容未知环境，更加准确地识别外星地表图像，满足探索应用需求。

公开(公告)号：CN113792630A

公开(公告)日：2021-12-14

申请号：CN202111010548.0

申请日：2021-08-31

Applicant: 北京大学

Inventor： 刘家瑛 ,  汪文靖 ,  林里浪 ,  樊泽嘉 ,  郭宗明

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开一种基于对比学习的外星地表图像识别方法及系统，属于图像识别领域，通过搭建图像识别模型，并对该模型进行类间对比学习和相似性学习训练，来识别外星地表图像。本发明能够在不引入额外人类监督的条件下，使模型自适应学习新样本类型与数据域分布，进而兼容未知环境，更加准确地识别外星地表图像，满足探索应用需求。

公开(公告)号：CN115240024A

公开(公告)日：2022-10-25

申请号：CN202210687676.7

申请日：2022-06-16

Applicant: 北京大学

Inventor： 刘家瑛 ,  张佳航 ,  林里浪 ,  樊泽嘉 ,  汪文靖

IPC: G06V10/774 ,  G06V10/82 ,  G06V20/70 ,  G06V10/56 ,  G06V10/54 ,  G06V10/50 ,  G06V10/26

Abstract: 本发明涉及一种联合自监督学习和半监督学习的地外图片分割方法和系统。该方法对于地外图片通过掩码图片建模的方式进行自监督预训练，使得模型学习到多样鲁棒的特征空间表示，然后通过半监督方式来微调模型，充分利用地外数据中未标注部分的信息，使得模型在下游任务即语义分割上能有更好的表现。本发明通过自监督学习预训练使得网络可以在无标签数据中学习到良好的特征表示，并且提高了半监督方式下微调阶段的伪标签预测质量，同时微调阶段通过产生伪标签来利用未标注区域的监督信息，使得模型输出的预测结果更准确。本发明能够显著提升图片分割性能。

公开(公告)号：CN115205309A

公开(公告)日：2022-10-18

申请号：CN202210612847.X

申请日：2022-05-31

Applicant: 北京大学

Inventor： 刘家瑛 ,  张佳航 ,  林里浪 ,  汪文靖 ,  樊泽嘉

IPC: G06T7/11 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于半监督学习的地外图片分割方法及装置，所述方法包括：获取训练数据集，并构建图片分割网络；对所述图片分割网络进行预训练；将所述样本图片馈入预训练后的所述图片分割网络；基于所述第一分类器输出的预测分割结果与所述第二分类器输出的下采样特征图在特征像素级别上的对比学习，对预训练后的所述图片分割网络进行训练，其中，每轮训练结束后，将高置信度的未标注区域与已标注区域融合，以获得下一轮训练的标注区域；将目标地外图片输入训练后的所述图片分割网络，得到所述目标地外图片的分割结果。本发明通过引入了更多的监督信号以及设计的像素级对比学习的策略，从而显著提升了图片分割性能。