公开(公告)号：CN112669325A

公开(公告)日：2021-04-16

申请号：CN202110012126.0

申请日：2021-01-06

Applicant: 大连理工大学

Inventor： 朱锦程 ,  杨鑫 ,  乔羽 ,  朴海音 ,  杜振军

IPC: G06T7/10 ,  G06N3/04

Abstract: 本发明属于计算机视觉技术领域，提供了一种基于主动式学习的视频语义分割方法，包括图像语义分割、主动式学习数据筛选以及标签传播三个模块；图像语义分割模块负责分割图像结果和提取数据筛选模块所需的高维特征；数据筛选模块在图像层面选取信息量较丰富的数据子集，并在像素层面上选择需要标注的像素块；标签传播模块实现图像到视频任务的迁移，快速补全视频的分割结果从而得到弱监督数据。本发明能快速生成弱监督数据集，减少数据制作成本，优化语义分割网络的性能。

公开(公告)号：CN110458844B

公开(公告)日：2022-02-15

申请号：CN201910659062.6

申请日：2019-07-22

Applicant: 大连理工大学

Inventor： 杨鑫 ,  朱锦程 ,  王昊然 ,  魏小鹏 ,  张强 ,  尹宝才

IPC: G06T7/10 ,  G06N3/04

Abstract: 一种低光照场景的语义分割方法，属于计算机视觉技术领域。本发明将正常图像的语义分割问题当做源域问题，低光照图像的语义分割问题当做目标域问题，利用迁移学习中的特征迁移的方法，充分发挥正常场景图像的信息充足的优势，将正常场景中的有用信息提取出来，并将这些有用信息与低光照图像的特征信息进行转换的结合，获取更多的有助于语义分割的图像信息，从而训练深度神经网络。基于这一思想，在生成对抗网络的基础之上，利用迁移学习的方法，设计并实现了用于低光照场景直接语义分割的网络模型。利用这一模型，能够有效解决低光照图片的语义分割任务。

公开(公告)号：CN110458844A

公开(公告)日：2019-11-15

申请号：CN201910659062.6

申请日：2019-07-22

Applicant: 大连理工大学

Inventor： 杨鑫 ,  朱锦程 ,  王昊然 ,  魏小鹏 ,  张强 ,  尹宝才

IPC: G06T7/10 ,  G06N3/04

Abstract: 一种低光照场景的语义分割方法，属于计算机视觉技术领域。本发明将正常图像的语义分割问题当做源域问题，低光照图像的语义分割问题当做目标域问题，利用迁移学习中的特征迁移的方法，充分发挥正常场景图像的信息充足的优势，将正常场景中的有用信息提取出来，并将这些有用信息与低光照图像的特征信息进行转换的结合，获取更多的有助于语义分割的图像信息，从而训练深度神经网络。基于这一思想，在生成对抗网络的基础之上，利用迁移学习的方法，设计并实现了用于低光照场景直接语义分割的网络模型。利用这一模型，能够有效解决低光照图片的语义分割任务。

公开(公告)号：CN112669325B

公开(公告)日：2022-10-14

申请号：CN202110012126.0

申请日：2021-01-06

Applicant: 大连理工大学

Inventor： 朱锦程 ,  杨鑫 ,  乔羽 ,  朴海音 ,  杜振军

IPC: G06T7/10 ,  G06N3/04

Abstract: 本发明属于计算机视觉技术领域，提供了一种基于主动式学习的视频语义分割方法，包括图像语义分割、主动式学习数据筛选以及标签传播三个模块；图像语义分割模块负责分割图像结果和提取数据筛选模块所需的高维特征；数据筛选模块在图像层面选取信息量较丰富的数据子集，并在像素层面上选择需要标注的像素块；标签传播模块实现图像到视频任务的迁移，快速补全视频的分割结果从而得到弱监督数据。本发明能快速生成弱监督数据集，减少数据制作成本，优化语义分割网络的性能。