公开(公告)号：CN118135209A

公开(公告)日：2024-06-04

申请号：CN202410094102.8

申请日：2024-01-23

Applicant: 南开大学

Inventor： 李文宇 ,  刘光耀 ,  段峰 ,  董伊梦 ,  尹燕凯

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0895 ,  G06N3/0464 ,  G06N3/042

Abstract: 本发明属于计算机数据处理领域，更具体地，涉及一种基于形状块语义关联度的弱监督语义分割方法。包括以下步骤：S1、将原始图像输入到分类网络中，得到类激活图；S2、将原始图像通过形状划分模块得到以形状块为节点的图结构数据；S3、利用S2中的形状块划分结果对类激活图进行形状块池化得到池化类激活图；S4、利用池化类激活图中的置信区域进行语义关联度网络的训练；S5、图卷积网络利用语义关联度网络输出的邻接矩阵将图节点进行语义分类，聚合成伪标签；S6、使用伪标签训练语义分割网络，该网络接收原始图像并输出预测语义分割结果。

公开(公告)号：CN118942087A

公开(公告)日：2024-11-12

申请号：CN202410985347.X

申请日：2024-07-23

Applicant: 南开大学

Inventor： 段峰 ,  董伊梦

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/042 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明属于计算机数据处理技术领域，更具体地，涉及一种基于超像素和图神经网络的可解释性语义分割方法。该方法通过增强解释性的分割反馈机制解决模型黑箱问题，并使用动态图结构构建与自适应拓扑更新技术提高分割灵活性和准确性，在此基础上，通过多级融合的超像素生成与优化技术保持图像的细节和边界信息，从而显著提高分割精度。