基于随机组合的弱监督语义分割方法、系统、设备及介质
发布时间：2026-07-17 21:05:07 人气：5
基于随机组合的弱监督语义分割方法、系统、设备及介质
专利类型：
发明授权
申请(专利)号：
CN202211472236.6
申请日：
2022-11-22
授权公告号：
CN115761234B
授权公告日：
2026-06-26
申请人：
地址：
313000 浙江省湖州市西塞山路819号科技创新综合体B1幢
发明人：
专辑：
信息科技
专题：
计算机软件及计算机应用
主分类号：
G06V10/26
分类号：
G06V10/26;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
国省代码：
33
页数：
12
代理机构：
广州三环专利商标代理有限公司
代理人：
唐莉梅
主权项：
1.一种基于随机组合的弱监督语义分割方法,其特征在于,所述基于随机组合的弱监督语义分割方法包括：采用训练数据集、切片训练数据集和随机组合的切片训练数据集分别训练分类网络N-1、N-2和N-3；分类网络N-1通过CAM得到语义分割预测结果A-1,分类网络N-2通过Grad-CAM得到语义分割预测结果A-2,分类网络N3通过Grad-CAM++得到语义分割预测结果A-3；将三个网络的语义分割预测结果进行组合得到最终的语义分割结果作为语义分割训练数据集,训练语义分割模型；利用所述语义分割模型预测最终的图片的语义分割结果；其中,所述切片训练数据集是对训练数据集中的图片进行切片处理得到的切片后的图片块,所述随机组合的切片训练数据集是对切片后的图片块随机组合后得到的新的训练图片；基于带有图片类别标注的训练数据集训练分类网络N-1；利用所述分类网络N-1的语义分割预测结果A-1和切片训练数据集训练分类网络N-2；将语义分割预测结果A-1作为标签监督训练分类网络N-2,利用所述分类网络N-1的语义分割预测结果A-1和所述分类网络N-2的语义分割预测结果A-2及随机组合的切片训练数据集训练训练分类网络N-3；将语义分割预测结果A-1、A-2作为标签监督训练分类网络N-3；将分类网络N-1、N-2和N-3基于训练数据集预测的语义分割结果采用加权平均的方法组合得到语义分割训练数据集；利用语义分割数据集训练语义分割模型对图片进行预测,采用平均交并比对预测结果进行评估。
摘要：
本发明属于计算机视觉领域,公开了一种基于随机组合的弱监督语义分割方法、系统、设备及介质,包括：采用训练数据集、切片训练数据集和随机组合的切片训练数据集分别训练分类网络N-1、N-2和N-3,使每个网络都能提取到图片中不同的激活区域,并且利用互相监督训练的方式学习其他两个网络的学习结果,最后组合三个网络的预测结果得到最终的语义分割结果,将其作为语义分割训练数据集训练语义分割模型进行最终的语义分割结果的预测。本发明有效的利用网络对随机组合的切片图片的感知区域不同,并且利用得到的不同分类网络对相同图片的类别感知图片,通过组合三种分类网络的结果获得的语义分割数据集,提高了语义分割模型的语义分割能力以及预测准确率。
