[发明专利]语义分割自动标注方法、系统、存储介质及电子设备在审
申请号: | 202310920399.4 | 申请日: | 2023-07-26 |
公开(公告)号: | CN116630633A | 公开(公告)日: | 2023-08-22 |
发明(设计)人: | 孔欧 | 申请(专利权)人: | 上海蜜度信息技术有限公司 |
主分类号: | G06V10/26 | 分类号: | G06V10/26;G06V10/22;G06V10/44 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 徐秋平 |
地址: | 201204 上海市浦东新区中国(上*** | 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: | 本发明提供一种语义分割自动标注方法、系统、存储介质及电子设备,所述方法包括以下步骤:获取输入图像;获取所述输入图像的文本特征;获取所述输入图像的图像特征;基于所述文本特征和所述图像特征获取所述输入图像的掩码,以将所述掩码作为所述输入图像的标注信息。本发明的语义分割自动标注方法、系统、存储介质及电子设备能够自动生成图像的掩膜,从而实现语义分割的自动标注。 | ||
搜索关键词: | 语义 分割 自动 标注 方法 系统 存储 介质 电子设备 | ||
【主权项】:
暂无信息
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蜜度信息技术有限公司,未经上海蜜度信息技术有限公司许可,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/patent/202310920399.4/,转载请声明来源钻瓜专利网。
- 同类专利
- 视盘区域结构层次确定方法、装置及电子设备-202310916498.5
- 黄丹丹;李冰;王征宇;王嘉因 - 视微影像(河南)科技有限公司
- 2023-07-21 - 2023-10-27 - G06V10/26
- 本发明提供了一种视盘区域结构层次确定方法、装置及电子设备,逐行扫描包含视盘区域的第一区域,获取OCT体数据;以第一区域的中心点为中心,星型采样OCT体数据,得到第一数量的第一BScan二维切面影像数据;确定视盘区域的初始中心点,以其为中心,星型采样OCT体数据,得到第二数量的第二BScan二维切面影像数据,再确定视盘区域的结构层次。该方式以逐行扫描的方式获取OCT体数据,保证了较高的采样率,采样到的数据是均匀连续的,在连续的数据上进行星型采样,可以避免出现跳变、出错问题;另外先通过星型采样确定视盘区域的初始中心点,再以初始中心点为中心进行星型采样,可以得到更加准确的视盘区域结构层次。
- 一种基于潜在扩散模型和多级上下文交叉一致性的半监督分割方法-202310959223.X
- 张立斌;丁卓;丁建睿;汤丰赫 - 长江时代通信股份有限公司;哈尔滨工业大学(威海)
- 2023-08-01 - 2023-10-27 - G06V10/26
- 本发明公开一种基于潜在扩散模型和多级上下文交叉一致性的半监督分割方法,该方法包括两个阶段,图像生成阶段和半监督学习阶段。在图像生成阶段包括如下步骤:首先将图像输入到变分自动编码器的编码器中生成潜在空间编码,将对应图像的潜在空间编码输入到潜在扩散模型中,其次利用去噪自动编码器对加噪后的潜在空间编码计算去噪拟合损失以学习去噪分布,最后利用潜在扩散模型随机生成高斯噪声并进行去噪估计以生成潜在空间编码,将潜在空间编码通过变分自动解码器生成像素级图像。为了利用图像生成阶段生成的大量有价值合成无标记样本,半监督学习阶段包括如下步骤:首先将有标记图像和无标记合成图像样本输入到编码器以提取高级语义特征,其次引入多个辅助解码器,对辅助解码器和主解码器的输入特征提取不同等级的全局上下文信息,并对辅助解码器的输入特征额外施加噪声扰动,最后通过保持主解码器和辅助解码器之间输出结果的一致性来学习生成的未标记样本。发明可以用于任何利用合成图像进行半监督学习的任务。
- 血管分割方法、电子设备及存储介质-202310922453.9
- 林付梁;何校栋;方刚;秦岚;杨光明;印胤 - 强联智创(北京)科技有限公司
- 2023-07-25 - 2023-10-27 - G06V10/26
- 本申请公开了一种血管分割方法、电子设备及存储介质。该血管分割方法包括:获取待分割造影影像;将待分割造影影像输入图像分割模型中,得到图像分割模型输出的血管轮廓概率图;其中基于造影影像样本集训练得到图像分割模型;以及根据血管概率阈值和血管轮廓概率图确定血管轮廓分割图。利用本申请提供的技术方案,能够提升血管的识别精度以及识别效率,降低医护人员的工作负担。
- 基于深度学习的复合材料板损伤图像分割方法和装置-202310860294.4
- 马济通;杨正岩;吴丹莹;武湛君;孙墨曈;许可 - 广州盖德伟科技服务有限公司
- 2023-07-13 - 2023-10-27 - G06V10/26
- 本发明涉及图像处理技术领域,特别涉及一种基于深度学习的复合材料板损伤图像分割方法和装置。方法包括:获取待识别的X射线图像;将X射线图像分别输入至预先训练好的三个分割模型中,得到三个置信度分布图;其中,分割模型包括依次连接的主干网络、特征融合网络,主干网络包括特征提取模块、第一增强模块和第二增强模块,特征融合网络包括汉堡结构和自注意力融合模块;基于预先确定的阈值,分别确定每一个置信度分布图的权重,以基于三个置信度分布图和每一个置信度分布图的权重,确定分割结果。本方案,可以提高复合材料板损伤大小和损伤形状的识别准确率。
- 基于多尺度残差注意的图像分割方法、装置、设备及介质-202310893094.9
- 陈炯江;李智创;温佳怡;张红瑜;陈嘉怡;王振波;袁子钊;杨纯;周壮 - 北京理工大学珠海学院
- 2023-07-19 - 2023-10-27 - G06V10/26
- 本发明公开了基于多尺度残差注意的图像分割方法、装置、设备及介质,方法包括:获取待分割的原始图像;将原始图像输入多层特征提取层进行多尺度下采样处理,得到每层特征提取层的下采样特征向量;将最后一层特征提取层的下采样特征向量输入多层特征融合层进行多尺度上采样处理,得到目标分割图像;多层特征提取层与多层特征融合层跳跃连接,多层特征融合层中每个特征融合层的输入数据包括上一特征融合层的输出以及与该层特征融合层进行跳跃连接的特征提取层的下采样特征向量;部分跳跃连接输入到特征融合层的下采样特征向量和部分特征融合层的输入数据通过通道注意力机制进行预处理。本发明能够准确进行图像分割,可广泛应用于图像处理技术领域。
- 一种基于U-Net模型的肺结节分割方法-202310508247.3
- 黎建军;李帅;黄子杰;杨礼源 - 中国计量大学
- 2023-05-08 - 2023-10-27 - G06V10/26
- 本发明公开了一种基于U‑Net模型的肺结节分割方法,通过构建的改进模型,可以有效分割出肺部CT影像的肺结节区域,所述改进肺结节分割模型以U‑Net模型为基础,包括编码器、解码器、残差块和改进的ASPP模块,在改进的肺结节分割模型中加入BN层、Dropout层和残差块,有效解决了过拟合、梯度爆炸和梯度消失等问题,通过添加卷积层、CBAM卷积注意力模块以及增加并行空洞卷积层数,对ASPP模块进行了改进,不仅扩大了感受野,而且可以有效捕获多尺度上下文信息,在扩大感受野的同时,还可以保证分辨率,改良网络通道的权重,使得模型更好的关注重要通道的信息,加强学习重要特征,实验结果表明,本发明相较于U‑Net原始分割模型,有效提升了肺结节分割的准确率。
- 基于球面投影的点云弱监督语义分割方法、装置及介质-202310706041.1
- 谭明奎;邹博韬;李蓉;庄壮伟;杜卿 - 华南理工大学
- 2023-06-14 - 2023-10-27 - G06V10/26
- 本发明公开了一种基于球面投影的点云弱监督语义分割方法、装置及介质,属于智能识别技术领域。其中方法包括:获取激光雷达的点云数据;将点云数据映射到图像空间中;将映射后的数据输入训练后的语义分割模型进行处理,获得稠密及稀疏的预测结果,实现对点云数据的语义分割。本发明将点云数据投影至球面空间中,并将球面空间的特征输入至添加了对比学习模块的深度神经网络中,对目标点云数据进行处理,以获得预测结果,能够有效减少模型对数据标签的依赖,提高了点云分割结果在标签稀缺条件下的准确度。
- 基于一致性学习的左心房图像分割方法-202310811345.4
- 丁数学;袁恩泽;赵彬;熊川 - 桂林电子科技大学
- 2023-07-04 - 2023-10-27 - G06V10/26
- 本发明公开了一种基于互惠一致性学习的左心房图像分割方法。包括步骤:设计一个由一个共享编码器和三个独立解码器构成的分割网络;由部分有标记的数据样本初始化上述步骤的分割网络;编码器提取到各级隐藏层特征后经特别设计的多级复合扰动后分别传输给不同解码器,经过多个上采样层和特征融合后这些解码器将输出三个具有差异的分割结果;评估这些结果的差异以计算认知不确定性数值,通过实行一致性正则化来降低不确定性值,进行模型训练;在测试数据集上对该网络进行评估,并输出对应的测试结果。本发明有效利用了无标记的数据样本,大大降低训练成本,提高了模型的分割精度。
- 一种图像处理方法、图像处理模型的训练方法和相关装置-202211712785.6
- 陈铭良;王子瑞 - 腾讯科技(深圳)有限公司
- 2022-12-29 - 2023-10-27 - G06V10/26
- 本申请公开了一种图像处理方法、图像处理模型的训练方法和相关装置。可用于云技术、人工智能、智慧交通、辅助驾驶等场景。对待处理图像进行语义分割得到语义概率分布信息,对语义概率分布信息进行特征提取得到语义特征,对待处理图像的图像特征和语义特征进行特征融合得到融合语义特征。根据融合语义特征得到全局特征和局部特征,将局部特征与语义特征进行特征融合得到局部融合特征,将全局特征和局部融合特征进行融合,得到目标融合语义特征,根据目标融合语义特征得到待处理图像的色彩调整系数,根据色彩调整系数对待处理图像进行处理得到颜色增强图像,由于色彩调整系数受到了语义特征的影响,有利于稳定色彩调整的风格,提升色彩增强能力。
- 一种基于多尺度残差推理的息肉分割系统及方法-202310398182.1
- 刘军清;张威威;康维;张思甜;王鹏 - 三峡大学
- 2023-04-14 - 2023-10-27 - G06V10/26
- 本发明涉及一种基于多尺度残差推理的息肉分割系统及方法,包括:数据获取模块,用于获取息肉分割数据,基于所述息肉分割数据构建息肉分割数据集,并对所述息肉分割数据集进行处理;模型构建模块,用于结合多尺度残差推理构建息肉分割网络模型,并基于所述息肉分割数据集对所述息肉分割网络模型进行训练和测试;预测模块,用于基于训练和测试后的所述息肉分割网络模型获取息肉分割的预测结果。本发明针对息肉与其周围环境对比度低以及大小形状不一的情况,提高了息肉分割性能,以及预测结果的准确性。
- 一种图像分割模型的训练方法、装置、设备以及存储介质-202310517825.X
- 徐哲;卢东焕;郑冶枫 - 腾讯科技(深圳)有限公司
- 2023-05-09 - 2023-10-27 - G06V10/26
- 本申请实施例提供了一种图像分割模型的训练方法,装置、设备以及存储介质,用于降低第三方未标注数据的数据异质性影响,提高图像分割的准确度。包括:获取训练样本集合、初始学生模型和初始教师模型;对该初始学生模型进行监督训练得到监督损失;基于该初始教师模型得到该本地未标注样本的本地未标注特征原型和该第三方未标注样本的第三方未标注特征原型;根据该本地未标注特征原型、该第三方未标注特征原型、该第一特征图以及该真实标签得到未标注损失;根据该监督损失和该未标注损失训练该初始学生模型得到该图像分割模型。本申请提供的技术方案可应用于人工智能、计算机视觉以及云技术等领域。
- 用于血管树分割的模型训练和图像处理方法、装置及设备-202310556309.8
- 郑昊;魏东;郑冶枫 - 腾讯科技(深圳)有限公司
- 2023-05-17 - 2023-10-27 - G06V10/26
- 本申请公开了一种用于血管树分割的模型训练和图像处理方法、装置及设备,涉及血管树分割技术领域,用于提升血管分割结果中末端血管部分的检测长度和分割准确度。该方法在进行血管树分割模型的训练时,结合各个样本图像的标注结果中,各个血管分支的粗细程度以及各像素点在血管分支中的边缘程度,来生成各个像素点对应的训练权重,从而基于训练权重来得到每一像素位置的加权预测损失,以及在损失函数中增加了针对末端血管的局部统计特征约束,从而在上述基于单一像素点的加权预测损失的基础上,结合邻域预测损失,来使得模型针对少量的标注噪声的敏感度降低,辅助模型在训练过程中更多地关注于分割易出错的位置,提升末端血管处的分割准确率。
- 基于注意力机制和U-net网络的人像分割方法及系统-202310562686.2
- 汤翀;冯广;刘云海;吴晓婷;杨群 - 广东工业大学
- 2023-05-18 - 2023-10-27 - G06V10/26
- 本发明公开了基于注意力机制和U‑net网络的人像分割方法及系统,该方法包括:获取人像数据集并进行数据预处理,得到预处理后的人像数据集;引入Inception模块与分解卷积模块作为特征提取模块,并引入高效注意力模块,构建基于U‑net的人像分割模型;将预处理后的人像数据集输入至基于U‑net的人像分割模型进行迭代训练,直至训练结果满足预设迭代次数,输出最终的人像分割结果。该系统包括:预处理模块、构建模块和训练模块。本发明更关注目标人像相关的特征,提高模型的灵敏度、像素分类的准确性及模型的泛化能力。本发明作为基于注意力机制和U‑net网络的人像分割方法及系统,可广泛应用于图像分割技术领域。
- 一种基于全尺度跳跃连接U型结构的图像分割方法-202310689398.3
- 万玉钗;李一凡;贾舒琴;张珣 - 北京工商大学
- 2023-06-12 - 2023-10-27 - G06V10/26
- 本发明公开了一种基于全尺度跳跃连接U型结构的图像分割方法,涉及图像分割、深度学习等。本发明方法包括:将医学图像进行块分割,将分割得到的块特征输入到基于的Swin Transformer模块的编码器中进行下采样,通过下采样的方式抽取全局信息。将下采样后的特征输入到基于的Swin Transformer模块的解码器中进行上采样,通过上采样将特征图的分辨率恢复到输入分辨率,同时通过全尺度跳跃连接将每一个下采样块的输出传送给解码器中的每一个上采样块进行合并拼接,最终输出像素级分割预测。本发明方法通过全尺度跳跃连接,使分割模型捕获了全尺度下的细粒度语义和粗粒度语义,再融合Swin Transformer结构,改善了卷积的归纳偏置问题,有效提高了医学影像的语义分割性能。
- 一种基于残差脉冲神经网络的三维室内场景语义分割方法-202311007246.7
- 孙长银;张全笑;吴巧云;王腾 - 安徽大学
- 2023-08-11 - 2023-10-27 - G06V10/26
- 本发明公开了一种基于残差脉冲神经网络的三维室内场景语义分割方法,对三维室内场景的原始点云数据进行预处理;将点云数据的RGB信息以及高度信息Z作为点云的特征值,使用神经元群体对特征值进行编码,将特征值编码为包含T个时间步的0,1脉冲序列;按照时间维度,将脉冲序列顺序输入预训练的基于残差脉冲神经网络的三维室内场景的语义分割模型中;每T个时间步之后,对语义分割模型的输出进行解码,获取每个点属于各个语义类别的概率,根据概率对室内场景进行语义分割。相比于点云的语义分割,其工作方式更接近于生物神经系统,符合人脑的运行模式,并且能量消耗更少,同时分割精度也达到了理想的效果。
- 点云语义分割方法、装置、设备、存储介质及程序产品-202211380892.3
- 李梦甜;谯睿智;柯博;马利庄 - 腾讯科技(深圳)有限公司
- 2022-11-04 - 2023-10-27 - G06V10/26
- 本申请公开了一种点云语义分割方法、装置、设备、存储介质及程序产品,涉及人工智能领域。包括:获取样本点云数据,以及对样本点云数据进行层次化数据增强,得到不同层次的增强点云数据,其中,不同层次的增强点云数据通过不同数据增强方式得到;通过点云特征提取网络对样本点云数据以及增强点云数据进行特征提取,得到样本点云数据对应的原始语义特征以及增强点云数据对应的增强语义特征;基于原始语义特征以及增强语义特征进行语义分割,得到原始分割结果与增强分割结果;基于原始语义特征与增强语义特征,确定特征对比损失,以及基于原始分割结果与增强分割结果,确定语义分割损失;基于特征对比损失与语义分割损失,训练点云特征提取网络。
- 一种基于深度残差网络的全身肿瘤分割方法及系统-202311024077.8
- 詹昕锐;宫恩浩;宫恩莹;项磊 - 长沙微妙医疗科技有限公司
- 2023-08-15 - 2023-10-27 - G06V10/26
- 本发明提供一种基于深度残差网络的全身肿瘤分割方法及系统,该方法包括获取全身正电子发射断层图像和对应的金标准分割图像,并对图像按照预设的空间间距进行重采样;对重采样后的全身正电子发射断层图像和金标准分割图像进行预处理;将预处理后的全身正电子发射断层图像和金标准分割图像作为训练集,训练深度残差网络;将待分割的图像输入到已训练的深度残差网络中;根据已训练的深度残差网络输出分割预测图像。与现有的单一空间间距训练方法对比,本方法可以处理不同空间间距数据并保持良好的鲁棒性,通过结合深度残差网络和图像重采样技术,实现了全身肿瘤分割的高质量、准确性和效率,对于肿瘤诊断、治疗规划和评估具有重要的应用价值。
- 基于高位视频的车辆分割方法及系统-202310765809.2
- 闫军 - 智慧互通科技股份有限公司
- 2023-06-27 - 2023-10-27 - G06V10/26
- 本发明公开了基于高位视频的车辆分割方法及系统,属于智慧停车领域,其中方法包括:获取第一车位,并建立第一三维坐标;对第一车位进行实时监测,当地磁监测到有车辆停泊时,采集目标车辆的第一实时高位视频;得到第一实时泊车图像,并将图像渲染至第一三维坐标,得到第一三维坐标渲染结果;采集目标车辆的目标特征点,在车辆数据库中遍历,得到遍历结果;分析遍历结果确定目标车型并采集目标样本图像;基于目标样本图像对第一三维坐标渲染结果进行区域分割处理,得到目标车辆的目标泊车图像。本申请解决了现有技术中车辆分割系统准确度和精度低的技术问题,达到了提升车辆分割系统准确性和精度的技术效果。
- 基于生成对抗网络的遥感影像云去除方法-202310896315.8
- 王仁芳;郑其光;邱虹;王峰 - 浙江万里学院
- 2023-07-21 - 2023-10-27 - G06V10/26
- 本发明公开的基于生成对抗网络的遥感影像云去除方法包括步骤:划分数据集和数据归一化处理、生成高质量无云影像、特征拼接及特征提取和判别、模型训练和数据集图像去云。本发明在生成对抗网络模型的框架下,通过傅里叶残差块使网络模型在扩大特征图的有效感受野的同时提取频域和空域双域特征;通过通道‑空间注意力模块使网络模型更加关注云层的分布情况,得到云层的注意力图;通过深度傅里叶变换模块在云层的注意力图的指导下完成云层去除工作。本发明方法步骤合理,能够提取带有云层的遥感影像的频域和空域双域特征,同时借助通道‑空间注意力模块使网络模型更加关注云层的分布情况,能够准确定位云层的覆盖区域并进行有效的云层去除工作。
- 基于视觉大模型的移动端定向分割方法-202310908027.X
- 冯尊磊;陈天浩;宋杰;宋明黎 - 浙江大学
- 2023-07-24 - 2023-10-27 - G06V10/26
- 基于视觉大模型的移动端定向分割方法,首先利用现有遥感数据集标注正样本点标注数据集;其次,利用梯度寻优技术,以正样本点和语义特征向量为输入,目标遮罩为输出,获取特定类别语义特征;再次,经过关联模块筛选和位置语义融合再优化后,得到一个精简的定向分割大模型;最后,任选若干张遥感影像,输入模型得到指定类别的遮罩。通过上述4个步骤,可以识别出任意一种遮罩。
- 图像分割方法、电子设备及存储介质-202310919972.X
- 方刚;林付梁;秦岚;杨光明;印胤 - 强联智创(北京)科技有限公司
- 2023-07-25 - 2023-10-27 - G06V10/26
- 本申请公开了一种图像分割方法、电子设备及存储介质。该图像分割方法包括:获取待分割造影图像;将待分割造影图像输入图像分割模型中,得到图像分割模型输出的动脉瘤概率图和血管分段概率图;其中,基于造影图像样本集训练得到图像分割模型;造影图像样本集包含动脉瘤标注和血管分段标注;以及根据动脉瘤概率阈值和动脉瘤概率图确定动脉瘤类别分割图。利用本申请的技术方案,能够同时准确分割动脉瘤图像以及血管分段图像,实现动脉瘤血管分段位置的快速精准定位。
- 基于Dense-Unet与超像素的磁共振图像分割方法-202310962110.5
- 许睿;郭欣;王子民 - 桂林电子科技大学
- 2023-08-02 - 2023-10-27 - G06V10/26
- 本发明公开了一种基于Dense‑Unet与超像素的磁共振图像分割方法,其特征在于,包括如下步骤:1)数据预处理;2)改进UNet网络;3)超像素分割;4)结果融合;5)测试。这种方法具有更好的语义分割性能、能提高分割精度、在边缘细节上能分割地更加精准。
- 用于椎体和椎间盘分割的双通道互补脊柱图像分割方法-202310964406.0
- 邓云蛟;范朝辉;谭炜键;刘亚;樊大宝;曾达幸;王帅;侯雨雷 - 东莞理工学院
- 2023-08-01 - 2023-10-27 - G06V10/26
- 本发明提供了一种用于椎体和椎间盘分割的双通道互补脊柱图像分割方法,其包括:获取若干脊柱的磁共振图像及对应的标签图,提取待分割切片和分割切片进行预处理;构建残差U型网络以提取细节特征,构建空间特征提取器以提取关系特征,构建特征融合模块融合细节特征和关系特征,获取分割特征图;借助网络输出层,输出多类别分割结果,构建双通道互补脊柱图像分割模型;训练并获得最佳双通道互补脊柱图像分割模型,针对待分割磁共振图像切片获取多类别分割结果。本发明借助条纹卷积在每个点上提取垂直和水平关系以应对类别相似性和类内变异性,通过注意力机制渐进地指导两条路径在每个阶段的特定特征学习,实现了更好地特征集成,提高了分割精度。
- 图像内容分割方法、装置、设备、存储介质及程序产品-202211504318.4
- 祁忠琪;张瑞 - 腾讯科技(深圳)有限公司
- 2022-11-28 - 2023-10-27 - G06V10/26
- 本申请公开了一种图像内容分割方法、装置、设备、存储介质及程序产品,涉及图像处理领域。该方法包括:获取待进行指定图像内容分割的目标图像;对目标图像进行特征提取得到图像特征表示;基于图像特征表示对目标图像进行分类识别得到图像分类结果;对图像分类结果进行维度转换,得到分类特征表示;将图像特征表示与分类特征表示进行融合,得到融合特征表示;基于融合特征表示对目标图像中的指定图像内容进行分割,得到指定内容分割结果。从而能够借助融合特征表示中的分类信息,有效避免目标图像中存在的具有较高疑惑性的图像内容对图像分割过程的误导,提高指定内容分割结果的准确性。本申请可应用于云技术、人工智能、智慧交通等各种场景。
- 实例分割模型训练方法、装置、设备和存储介质-202211347482.9
- 聂聪冲 - 腾讯科技(深圳)有限公司
- 2022-10-31 - 2023-10-27 - G06V10/26
- 本申请提供了一种实例分割模型训练方法、装置、设备和存储介质,涉及人工智能技术领域,可以应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景,训练方法包括:获取样本图像和实例分割标签;基于预设实例分割模型对样本图像进行实例分割处理,基于分割预测结果对实例对象对应的多个特征点进行初始采样,得到初始实例采样点集和背景采样点集;基于掩码预测指标对初始实例采样点集进行不确定度采样,得到目标实例采样点集;基于实例掩码、目标实例采样点集对应的掩码预测指标、背景采样点集对应的掩码预测指标、类别置信度、实例掩码标签和类别标签对预设实例分割模型进行训练,得到目标实例分割模型。本申请有效降低训练内存占用。
- 一种连接器引脚缺陷识别方法、装置、电子设备及存储介质-202310406691.4
- 王昌安 - 腾讯科技(深圳)有限公司
- 2023-04-10 - 2023-10-27 - G06V10/26
- 本发明公开了一种连接器引脚缺陷识别方法、装置、电子设备及存储介质,包括:确定连接器对应的第一图像,第一图像包括包含多个引脚的连接器区域,基于多个引脚的排列信息对第一图像进行实例分割,得到第二图像,第二图像包含每个引脚对应的引脚区域,多个引脚的排列信息包括多个引脚呈水平方向排列或者竖直方向排列,对第二图像进行特征提取,得到每个引脚的自特征信息和互特征信息,互特征信息表征剩余引脚对互特征信息所属的引脚的缺陷关联影响,剩余引脚为多个引脚中,互特征信息所属的引脚之外的引脚,根据每个引脚的自特征信息和互特征信息确定连接器的引脚缺陷结果。本申请基于动态线型卷积组合的策略,以提高连接器的引脚缺陷的准确性。
- 基于类别统计驱动的伪标签自蒸馏语义分割方法-202310902217.0
- 王军;王江玉;申政文;李玉莲 - 中国矿业大学
- 2023-07-21 - 2023-10-27 - G06V10/26
- 本发明公开了一种基于类别统计驱动的伪标签自蒸馏语义分割方法,属于计算机图像处理技术,在训练过程中对教师模型语义类别概率信息进行统计,并根据概率分布特性将类别标签进行平滑处理,将平滑标签与教师模型输出语义类别概率信息的加权均值作为学生模型的监督信息,有效地提升了类别统计驱动下的伪标签自蒸馏语义分割的效果。本发明公开的基于类别统计驱动的伪标签自蒸馏语义分割方法,将经过平滑处理的标签与教师模型输出语义类别概率信息加权均值作为学生模型的监督信息,改善了在训练过程中标签硬化难以拟合以及人为平滑操作引入标签噪声的问题,解决了蒸馏过程中因教师模型类别预测错误导致学生网络知识学习受到噪声标签影响的问题。
- 基于无参注意力和点级卷积的轻量级植物点云分割方法-202310933186.5
- 高攀;闫靖昆;李承恺;谭菲;黄毓贤;张远 - 石河子大学
- 2023-07-27 - 2023-10-27 - G06V10/26
- 本发明提供了一种基于无参注意力和点级卷积的轻量级植物点云分割方法,包括:获取目标植物的点云数据;将点云数据输入至轻量级植物点云分割模型中,得到点云数据的预测分割掩码;轻量级植物点云分割模型由基于无参注意力和点级卷积的轻量级植物点云分割神经网络进行训练得到的;轻量级植物点云分割神经网络包括编码器网络和解码器网络;编码器网络用于对点云数据进行特征提取,得到多层点云特征图;解码器网络用于根据多层点云特征图确定预测分割掩码。本发明能够提高植物点云器官的分割的准确性和效率。
- 域自适应语义分割-202180094958.X
- 沈枫易;奥纳伊·优厄法利欧格路 - 华为技术有限公司
- 2021-06-18 - 2023-10-27 - G06V10/26
- 本发明涉及使用神经网络等可训练模型的语义图像分割。提出了一种可训练设备,包括连接到第一生成器网络、第二生成器网络和语义分割网络的共享编码器网络。在训练阶段,将包括标记的源域图像和未标记的目标域图像的训练图像集的输入图像提供到共享编码器网络,所述共享编码器网络基于所述输入图像进行训练并输出第一特征图。然后,所述第一生成器网络和所述第二生成器网络基于所述第一特征图进行训练,所述第一生成器网络和所述第二生成器网络中的一个输出域转换输入图像。所述共享编码器网络基于所述域转换输入图像进一步训练,并输出第二特征图。所述语义分割网络基于所述输入图像和所述域转换输入图像进行训练。
- 一种基于改进U-Net网络的冠脉OCT图像病变斑块分割方法-202110569416.5
- 高登峰;曹心雨;郑加伟;姜沛林 - 西安交通大学第二附属医院
- 2021-05-25 - 2023-10-27 - G06V10/26
- 本发明涉及一种基于改进U‑Net网络的冠脉OCT图像病变斑块分割方法。本发明的方法具体步骤如下:1)数据获取;2)数据预处理;3)构建模型;4)模型训练;5)模型评估。本发明向U‑Net模型中引入空间金字塔模块和多尺度空洞卷积模块,可以在保留足够的空间信息的同时,捕获更多高级特征,以提高病变斑块的分割精度。
- 专利分类