公开(公告)号：CN119904638A

公开(公告)日：2025-04-29

申请号：CN202411985702.X

申请日：2024-12-31

Applicant: 湖南大学

Inventor： 凌志刚 ,  张傲然 ,  谭浩然 ,  王耀南

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895 ,  G06T7/11

Abstract: 本发明公开了一种基于部件感知学习分割网络的弱监督语义分割方法及系统，该方法包括：步骤1：构建部件感知学习分割网络；步骤2：获取训练集图像的SAM掩码集；步骤3：获得训练集图像的掩码伪标签集和掩码中目标部件与整体之间的关系矩阵；步骤4：获取初始部件感知学习分割网络模型；步骤5：获取并优化训练集图像中目标掩码的CAM集，得到最终伪标签集，并利用分割解码器，获取待分割图像中的语义分割结果；通过该网络中的部件‑整体精炼模块去除冗余的掩码，并捕捉掩码中目标部件与整体之间的关系；通过该网络中的部件感知学习模块，鼓励网络学习伪标签集中目标的各部件与整体之间的关系，实现在弱监督条件下对目标的精确和完整分割。

公开(公告)号：CN116935132A

公开(公告)日：2023-10-24

申请号：CN202310926333.6

申请日：2023-07-26

Applicant: 湖南大学

Inventor： 凌志刚 ,  张傲然 ,  王耀南

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/11 ,  G06T7/73

Abstract: 本发明公开了一种基于多层解耦注意力定位网络的弱监督目标定位方法及系统，该方法包括：步骤1：构建多层解耦注意力定位网络；步骤2：获取训练集图像的CAM集，得到训练集图像的伪标签集；步骤3：获得类别无关的多层解耦注意力定位网络模型；步骤4：利用类别无关的多层解耦注意力定位网络模型获取目标位置；步骤5：利用额外分类器，识别待定位图像中目标定位框里目标的类别；采用多层解耦注意力定位网络，同时简单且高效地完成CAM生成阶段和类别无关的分割阶段的任务；在通道和空间注意力模块中引入多层最大解耦函数，以获取更多可能的目标区域；引入最小解耦函数到多层特征融合，以抑制过度激活和噪声区域，解决边缘检测不准确的问题。