公开(公告)号：CN115131558B

公开(公告)日：2024-05-14

申请号：CN202210652631.6

申请日：2022-06-10

Applicant: 华南理工大学 ,  广州现代产业技术研究院

Inventor： 刘屿 ,  江镔 ,  兰炜圣

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06F16/583 ,  G06F16/55

Abstract: 本发明公开了一种少样本环境下的语义分割方法，该方法首先使用预训练的深度残差网络提取图像的特征，根据同目标类的图像特征的余弦相似度获取图像特征各个位置匹配得分。在此基础上，根据统计学原理修改匹配各个位置得分的统计分布。最后，利用4维卷积核对多层特征构成的关联张量进行自适应学习，输出查询图像的细粒度分割预测。该方法基于目标类的多层网络特征自适应融合的过程能够建立同目标类图像之间的语义联系，在缺少足够训练样本的情况下进行知识迁移，进而准确地分割出查询图像的语义对象，可用于密集标注样本缺乏的工业场景。

公开(公告)号：CN115131558A

公开(公告)日：2022-09-30

申请号：CN202210652631.6

申请日：2022-06-10

Applicant: 华南理工大学 ,  广州现代产业技术研究院

Inventor： 刘屿 ,  江镔 ,  兰炜圣

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06F16/583 ,  G06F16/55

Abstract: 本发明公开了一种少样本环境下的语义分割方法，该方法首先使用预训练的深度残差网络提取图像的特征，根据同目标类的图像特征的余弦相似度获取图像特征各个位置匹配得分。在此基础上，根据统计学原理修改匹配各个位置得分的统计分布。最后，利用4维卷积核对多层特征构成的关联张量进行自适应学习，输出查询图像的细粒度分割预测。该方法基于目标类的多层网络特征自适应融合的过程能够建立同目标类图像之间的语义联系，在缺少足够训练样本的情况下进行知识迁移，进而准确地分割出查询图像的语义对象，可用于密集标注样本缺乏的工业场景。