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！

龙图腾网获悉河南大学申请的专利一种半监督分割模型构建与图像分析方法、设备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：CN116051574B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202211699855.9，技术领域涉及：G06T7/11；该发明授权一种半监督分割模型构建与图像分析方法、设备及系统是由朱小柯;蔡雨龙;陈小潘;厉丹阳;董令赟设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种半监督分割模型构建与图像分析方法、设备及系统在说明书摘要公布了：本发明涉及一种半监督分割模型构建与图像分析方法、系统及设备。包括：获取待处理的图像；基于构建的训练好的半监督分割模型进行图像的一致性学习，得到图像分割结果；其中，所述一致性学习基于训练好的半监督分割模型中的编码器对输入图像的特征提取能力和若干个辅助解码器与主解码器配合完成预测结果训练的一致性。本发明方法旨在基于一致性学习的语义分割网络构建半监督分割模型，实现图像分析，旨在发掘其在影像数据中的分析能力和潜在应用价值。

本发明授权一种半监督分割模型构建与图像分析方法、设备及系统在权利要求书中公布了：1.一种半监督分割模型构建方法，所述模型的构建过程： 步骤a：获取弱标注数据集、伪标注数据集和无标注数据集； 步骤b：将所述弱标注数据集中的图像输入到全卷积网络进行监督训练，基于监督损失训练得到训练好的全卷积网络模型； 步骤c：基于训练好的全卷积网络模型预测所述伪标注数据集中图像的弱标注语义分割信息，得到伪标注图像； 步骤d：使用伪标注生成算法对弱标注数据集和伪标注图像进行处理，生成具有全部目标类别标签的伪标签图像； 步骤e：基于生成的伪标签图像对分割网络进行监督训练，通过计算有监督损失值优化分割网络，对分割网络中的第一编码器、第一主解码器和第一辅助解码器的参数进行更新； 步骤f：基于无标注数据集中的无标签图像，通过无监督一致性损失计算的无监督损失值优化分割网络，对分割网络中的第二编码器、第二主解码器和第二辅助解码器的参数进行更新； 步骤g：基于伪标签图像和无标签图像，通过交叉伪监督损失函数来优化并计算无监督损失值，进而计算模型训练的总损失值，同时根据总损失值迭代更新参数，输出训练好的半监督分割模型；其中，所述总损失值的计算如下： ； 其中，和分别为无监督一致性损失与交叉伪监督损失的权重，Ls表示有监督损失值，Lc表示通过无监督一致性损失计算的无监督损失值，Lp表示通过交叉伪监督损失函数来计算的无监督损失值；所述交叉伪监督损失函数基于所有训练数据进行半监督分割模型的伪标签交叉自监督一致性训练结构的构建，通过两个不同初始化参数网络的预测分割图像之一作为伪标签指导另一个分支网络的训练，来优化并计算无监督损失值Lp；所述无监督损失值Lp的计算，如下： ； 其中，表示训练集中所有图像，W和H为输入网络中的图像X的高和宽，表示交叉熵函数，与分别为a和b两个分支网络对应的主解码器产生的置信度信息，与为对应的主解码器的one-hot编码信息；所述伪标签交叉自监督一致性训练结构的构建还包括有监督损失值Ls的监督，所述有监督损失值Ls的计算，如下： ； 其中，表示交叉熵函数，表示像素所对应的伪标注，表示输入图像X中索引标号为i的像素，,i和,i分别表示a、b两个分支网络产生的伪标注预测图像，W和H为输入网络中的图像X的高和宽，X、Y表示获取的待预测的心脏染色切片图像，表示弱标注数据集，表示伪标注数据集； 所述半监督分割模型的构建还包括在编码器与辅助解码器之间增加特征扰动模块，所述特征扰动模块对编码器基于输入图像生成的编码特征图像中的特征信息添加不同类型噪声输入到主解码器，根据主解码器的预测结果指导辅助解码器预测结果学习，通过无监督一致性损失函数计算无监督损失值Lc优化分割网络，对分割网络中第二编码器、第二主解码器和第二辅助解码器的参数进行更新；所述无监督损失值Lc的计算，如下： 其中，a、b为半监督分割模型中的两个分支网络，为图像中索引i处的像素，表示无标注数据集，和分别表示a、b两个分支网络产生的预测图像，表示辅助解码器产生的预测图像，ha、hb分别表示a、b两个分支网络对应的编码器，ga、gb分别表示a、b两个分支网络对应的主解码器，包含2K个辅助解码器，代表网络中的特征扰动模块，表示均方差函数。

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河南大学，其通讯地址为：475004 河南省开封市龙亭区金明大道北段河南大学金明校区医学院；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”。

以上内容由龙图腾AI智能生成。