公开(公告)号：CN116468888B

公开(公告)日：2025-05-20

申请号：CN202310309481.3

申请日：2023-03-28

Applicant: 重庆邮电大学

Inventor： 舒禹程 ,  兰尹 ,  肖斌 ,  李伟生

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明属于计算机视觉领域，具体涉及一种基于双网络协同分割模型的图像语义分割方法，包括：建立构建双网络协同分割模型，对于带标签数据采用全监督学习的方式进行模型的训练，对于无标签数据采跨网络相互学习的方法进行半监督学习进模型的训练，将待分割的图像输入训练好的双网络协同分割模型，得到分割结果；本发明基于标签空间和特征空间的相互互补学习，实现了对大量无标签数据的高效利用和开发，缓解了目前全监督深度学习模型训练需要高质量、高成本、极耗时的标签需求，在保证分割模型的性能时进一步让模型的训练成本大大降低，并能够部署于各种的智能系统，具有较高的实际应用价值。

公开(公告)号：CN116468888A

公开(公告)日：2023-07-21

申请号：CN202310309481.3

申请日：2023-03-28

Applicant: 重庆邮电大学

Inventor： 舒禹程 ,  兰尹 ,  肖斌 ,  李伟生

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明属于计算机视觉领域，具体涉及一种基于双网络协同分割模型的图像语义分割方法，包括：建立构建双网络协同分割模型，对于带标签数据采用全监督学习的方式进行模型的训练，对于无标签数据采跨网络相互学习的方法进行半监督学习进模型的训练，将待分割的图像输入训练好的双网络协同分割模型，得到分割结果；本发明基于标签空间和特征空间的相互互补学习，实现了对大量无标签数据的高效利用和开发，缓解了目前全监督深度学习模型训练需要高质量、高成本、极耗时的标签需求，在保证分割模型的性能时进一步让模型的训练成本大大降低，并能够部署于各种的智能系统，具有较高的实际应用价值。