公开(公告)号：CN114627139A

公开(公告)日：2022-06-14

申请号：CN202210267325.0

申请日：2022-03-18

Applicant: 中国科学院自动化研究所

Inventor： 王博 ,  原春锋 ,  王士昂 ,  胡卫明

IPC: G06T7/11 ,  G06V10/40

Abstract: 本发明公开了基于像素特征学习的无监督图像分割方法、装置及设备，其中，所述方法包括：获取预处理后的待分割图像，作为第一图像；提取所述第一图像中的超像素，得到所述第一图像的超像素集合；根据所述超像素集合，得到第一损失函数；预测所述第一图像的离散表示，最大化所述第一图像与所述离散表示之间的互信息，得到第二损失函数；根据所述第一损失函数和第二损失函数对所述第一图像进行分割，得到分割结果。通过上述方式，本发明可以有效发现图像中的潜在对象类别，输出的分割块能够精准匹配对象轮廓，同时能够完整地覆盖对象区域，进而大幅度降低下游高级视觉算法的训练难度和计算复杂性。

公开(公告)号：CN114627139B

公开(公告)日：2024-10-25

申请号：CN202210267325.0

申请日：2022-03-18

Applicant: 中国科学院自动化研究所

Inventor： 王博 ,  原春锋 ,  王士昂 ,  胡卫明

IPC: G06T7/11 ,  G06V10/40

Abstract: 本发明公开了基于像素特征学习的无监督图像分割方法、装置及设备，其中，所述方法包括：获取预处理后的待分割图像，作为第一图像；提取所述第一图像中的超像素，得到所述第一图像的超像素集合；根据所述超像素集合，得到第一损失函数；预测所述第一图像的离散表示，最大化所述第一图像与所述离散表示之间的互信息，得到第二损失函数；根据所述第一损失函数和第二损失函数对所述第一图像进行分割，得到分割结果。通过上述方式，本发明可以有效发现图像中的潜在对象类别，输出的分割块能够精准匹配对象轮廓，同时能够完整地覆盖对象区域，进而大幅度降低下游高级视觉算法的训练难度和计算复杂性。