公开(公告)号：CN117809305A

公开(公告)日：2024-04-02

申请号：CN202311621926.8

申请日：2023-11-30

Applicant: 西北工业大学宁波研究院

Inventor： 冉令燕 ,  战伟奇 ,  黎雅丽 ,  张晓强 ,  张世周 ,  张艳宁

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/776 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/096 ,  G06N3/0895

Abstract: 发明涉及一种基于指数函数阈值动态调整的半监督学习语义分割方法，通过构建先快后慢下降形式的指数函数计算动态阈值，基于半监督语义分割中标签类别之间的学习困难程度的差异，采用先快后慢的动态阈值筛选方法，在语义分割模型生成伪标签的过程中，分别处理不同类别图像中像素的阈值，将置信度不符合阈值的伪标签进行筛选，能够有效地减少错误伪标签的产生，增强伪标签的可信度；再加上采用无标签损失函数加权策略能够提升半监督语义分割的效果。

公开(公告)号：CN118379491A

公开(公告)日：2024-07-23

申请号：CN202410341110.8

申请日：2024-03-25

Applicant: 西北工业大学宁波研究院

Inventor： 冉令燕 ,  张艳宁 ,  战伟奇

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06N3/096 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/0895 ,  G06N3/088

Abstract: 本发明涉及一种基于加权特征相似性约束的半监督语义分割方法，通过在一致性正则化方法的基础上增加了一个利用强数据增强的数据分支，并在两个无标注强增强图像数据子集在学生模型的特征输出中添加了特征相似性约束，该方式对类内特征使用类感知相似性约束来保持半监督的聚类能力的同时，包含对分布外数据的像素级特征的对比计算，此外，为了减少相似性损失计算中引入的隐式噪声，本发明加入了一个特征加权相似性损失计算，强调对高概率分布内样本的学习，以此减少了不确定噪声样本的影响，本方法能减少半监督语义分割中类别不平衡问题所带了的性能退化，在长尾分布中的尾类类别上具有更加明显的效果。