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！

龙图腾网获悉中山大学申请的专利基于显著性图和深度学习的无监督语义分割方法及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：CN119832241B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411903183.8，技术领域涉及：G06V10/26；该发明授权基于显著性图和深度学习的无监督语义分割方法及系统是由罗涵;常晓斌设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于显著性图和深度学习的无监督语义分割方法及系统在说明书摘要公布了：本申请涉及图像处理技术领域，特别地，涉及一种基于显著性图和深度学习的无监督语义分割方法及系统。本申请无需依赖于强监督或弱监督的实现方式，在不使用标注数据的情况下，通过无监督表示学习，结合像素级别的目标注意力分类头和显著性图来生成清晰并且经过矫正后的矫正前景掩膜，使得矫正前景掩膜的轮廓更加清晰，进而实现无监督的语义分割。在通过矫正前景掩膜来提高伪标签的质量和语义分割的准确性的同时，有效地降低了系统对人工标注的依赖性，同时还可以作为自动标注系统来自动标注图像数据集，显著降低了数据标注的人工成本。

本发明授权基于显著性图和深度学习的无监督语义分割方法及系统在权利要求书中公布了：1.一种基于显著性图和深度学习的无监督语义分割方法，其特征在于，所述方法包括： 选定初始的深度学习模型，并为所述深度学习模型设计用于无监督表示学习的自监督损失函数； 根据所述自监督损失函数和待训练的图像数据集对所述深度学习模型进行无监督表示学习，构建初始语义特征网络； 基于所述初始语义特征网络对所述图像数据集进行特征提取，得到所述图像数据集中每张训练图片的像素级特征集合； 根据预设的目标注意力分类头和各个所述像素级特征集合生成每张所述训练图片的前景掩膜，所述目标注意力分类头携带有目标激活函数； 针对每一训练图片，获取所述训练图片的显著性图，并根据所述显著性图和所述前景掩膜生成矫正前景掩膜； 根据各个所述像素级特征集合和各个所述矫正前景掩膜生成各张所述训练图片的图像级特征集合； 对各个所述图像级特征集合进行聚类，得到包括多个类别的特征集； 根据各个所述图像级特征集合和所述特征集生成各张所述训练图片的类别图； 基于各个所述类别图和各个所述矫正前景掩膜生成各张所述训练图片的伪标签； 根据各个所述伪标签和预设的分割头参数对所述初始语义特征网络进行训练，得到目标语义特征网络； 根据所述目标语义特征网络对各张所述训练图片进行语义分割，得到各张所述训练图片的语义分割图； 其中，所述根据各个所述图像级特征集合和所述特征集生成各张所述训练图片的类别图，包括： 针对每一图像级特征集合，将所述图像级特征集合内的各个像素级特征与对应的特征集进行余弦相似度计算，得到与各个所述像素级特征对应的各个像素点对应的背景值，每一所述像素级特征对应一个所述特征集，每一所述像素级特征对应单个所述像素点； 针对每一训练图片，根据各个所述背景值生成所述类别图； 所述基于各个所述类别图和各个所述矫正前景掩膜生成各张所述训练图片的伪标签，包括： 针对每一训练图片，将类别图中背景值低于预设背景阈值的像素点去除，生成目标类别图，根据所述目标类别图和所述矫正前景掩膜生成所述训练图片的伪标签。

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中山大学，其通讯地址为：519000 广东省广州市新港西路135号；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”。