[发明专利]一种自学习的分割标注方法在审
| 申请号： | 202210881920.3 | 申请日： | 2022-07-26 |
| 公开（公告）号： | CN115346046A | 公开（公告）日： | 2022-11-15 |
| 发明（设计）人： | 刘凯;郑德欣 | 申请（专利权）人： | 上海锡鼎智能科技有限公司 |
| 主分类号： | G06V10/26 | 分类号： | G06V10/26;G06V10/762;G06V10/82 |
| 代理公司： | 上海和华启核知识产权代理有限公司 31339 | 代理人： | 张孟磊 |
| 地址： | 201599 上海市金*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 自学习 分割 标注 方法 | ||
【权利要求书】：
1.一种自学习的分割标注方法，其特征在于，包括如下步骤：
对用户在不同类别的各自区域标记一点，对未标记的类别，统一默认为背景；
对每个标记的类别点进行像素扩张后进行聚类，获得聚类结果；
根据聚类结果得到训练的分割监督结果，即分割初始化边界；
构建训练网络模型，并进行模型训练；
对模型训练结果输出进行组合策略损失，并重复以上步骤，直至算法收敛。
2.如权利要求1所述的自学习的分割标注方法，其特征在于，所述聚类结果为：
其中，J(c，μ)表示每个样本点x(i)到其质心距离的平方和，x(i)表示样本，c(i)表示每个类别i，μc(i)表示每个类别的质心。
3.如权利要求1所述的自学习的分割标注方法，其特征在于，所述聚类结果包括大目标、小目标以及大目标包含小目标。
4.如权利要求1所述的自学习的分割标注方法，其特征在于，所述训练网络模型为FCN分割模型。
5.如权利要求1所述的自学习的分割标注方法，其特征在于，所述组合策略损失包括所述训练网络模型输出的预测损失、像素相似度计算损失以及聚类损失。
6.如权利要求1所述的自学习的分割标注方法，其特征在于，所述组合策略损失计算公式为：
其中，ln为第n个样本的loss，M表示每个样本有M种可能。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海锡鼎智能科技有限公司，未经上海锡鼎智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210881920.3/1.html，转载请声明来源钻瓜专利网。
