买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京大学申请的专利一种联合自监督学习和半监督学习的地外图片分割方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115240024B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210687676.7，技术领域涉及：G06V10/774；该发明授权一种联合自监督学习和半监督学习的地外图片分割方法和系统是由刘家瑛;张佳航;林里浪;樊泽嘉;汪文靖设计研发完成，并于2022-06-16向国家知识产权局提交的专利申请。

本一种联合自监督学习和半监督学习的地外图片分割方法和系统在说明书摘要公布了：本发明涉及一种联合自监督学习和半监督学习的地外图片分割方法和系统。该方法对于地外图片通过掩码图片建模的方式进行自监督预训练，使得模型学习到多样鲁棒的特征空间表示，然后通过半监督方式来微调模型，充分利用地外数据中未标注部分的信息，使得模型在下游任务即语义分割上能有更好的表现。本发明通过自监督学习预训练使得网络可以在无标签数据中学习到良好的特征表示，并且提高了半监督方式下微调阶段的伪标签预测质量，同时微调阶段通过产生伪标签来利用未标注区域的监督信息，使得模型输出的预测结果更准确。本发明能够显著提升图片分割性能。

本发明授权一种联合自监督学习和半监督学习的地外图片分割方法和系统在权利要求书中公布了：1.一种联合自监督学习和半监督学习的地外图片分割方法，其特征在于，包括以下步骤： 收集地外图片训练数据； 在自监督预训练阶段，利用地外图片训练数据进行自监督预训练，以学习图片掩码区域的颜色特征和纹理特征，得到自监督预训练阶段的神经网络模型； 在半监督微调阶段，利用地外图片中未标注部分的信息对自监督预训练阶段的神经网络模型进行微调和训练，得到半监督微调阶段的图片分割神经网络模型； 将待分割图片输入训练完成的半监督微调阶段的图片分割神经网络模型，得到语义分割结果； 所述自监督预训练阶段的神经网络模型包括特征提取网络Bseg、输出模块HRGB、输出模块HLBP；将地外图片数据进行随机掩码，输入所述特征提取网络Bseg，所述特征提取网络Bseg将网络的深层特征和浅层特征汇合得到图片的特征表示，该特征表示分别输入输出模块HRGB、输出模块HLBP，对原图片掩码区域的颜色特征和纹理特征进行预测，即分别在RGB色彩空间和局部二进制模式特征空间下进行预测； 所述自监督预训练阶段采用以下损失函数进行端到端地联合优化： Lrgb＝||gfx⊙M-x||2 Llbp＝||hfx⊙M-s||2 Lpre-train＝λ1Lrgb+λ2Llbp 其中，Lrgb为RGB色彩预测的损失函数项，Llbp为局部二进制模式特征预测的损失函数项，x为输入样本图片，s为x掩码前计算得到的局部二进制模式直方图，g、h分别代表输出模块HRGB和输出模块HLBP，f代表特征提取网络；M表示随机产生的掩码，其中1表示该区域有效；⊙表示元素积的运算，Lpre-train为总损失函数项，λ1与λ2为权重值； 所述半监督微调阶段的图片分割神经网络模型包括特征提取网络f、输出模块Hseg、判别器d；所述判别器通过学习图片中每个像素的标注不确定性来预测每个像素是否被标注，通过设定阈值将置信度高的区域选择出来作为伪标签；将伪标签与原数据已标注区域的真实标签进行融合，利用融合得到的标签对网络的语义分割预测结果进行约束，进行端到端的训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京大学，其通讯地址为：100871 北京市海淀区颐和园路5号北京大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。