公开(公告)号：CN117079103A

公开(公告)日：2023-11-17

申请号：CN202311331979.6

申请日：2023-10-16

Applicant: 暨南大学

Inventor： 石敏 ,  邓伟钊 ,  骆爱文 ,  易清明

IPC: G06V10/82 ,  G06N3/09 ,  G06V10/26 ,  G06V10/44 ,  G06V10/46 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明涉及深度学习技术领域，提出一种用于神经网络训练的伪标签生成方法及系统，包括以下步骤：将输入图像及其对应的图像级别标签传输至基于残差结构的分类骨干网络进行注意力池化，得到类激活图，以及，将输入图像传输至显著对象检测网络进行区域检测，得到显著性图；融合类激活图与显著性图的各区域特征，合成输入图像的边界伪标签；利用边界伪标签监督边界检测网络的训练，并将输入图像传输至已训练完成的边界检测网络进行边界检测，提取输入图像的边界；利用边界引导类激活图进行细化传播，生成与输入图像相对应的语义分割伪标签。本发明能够大幅降低人工标注像素级标签的成本和时间，提高语义分割伪标签的精度和生成效率。

公开(公告)号：CN117079103B

公开(公告)日：2024-01-02

申请号：CN202311331979.6

申请日：2023-10-16

Applicant: 暨南大学

Inventor： 石敏 ,  邓伟钊 ,  骆爱文 ,  易清明

IPC: G06V10/82 ,  G06N3/09 ,  G06V10/26 ,  G06V10/44 ,  G06V10/46 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明涉及深度学习技术领域，提出一种用于神经网络训练的伪标签生成方法及系统，包括以下步骤：将输入图像及其对应的图像级别标签传输至基于残差结构的分类骨干网络进行注意力池化，得到类激活图，以及，将输入图像传输至显著对象检测网络进行区域检测，得到显著性图；融合类激活图与显著性图的各区域特征，合成输入图像的边界伪标签；利用边界伪标签监督边界检测网络的训练，并将输入图像传输至已训练完成的边界检测网络进行边界检测，提取输入图像的边界；利用边界引导类激活图进行细化传播，生成与输入图像相对应的语义分割伪标签。本发明能够大幅降低人工标注像素级标签的成本和时间，提高语义分割伪标签的精度和生成效