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！

申请/专利权人：北京航空航天大学

摘要：本发明公开了一种深度三网络半监督语义分割方法和系统，应用于包括三个语义分割网络的模型训练框架中，各所述语义分割网络具有相同的结构和不同的初始化参数，在训练过程中，结合预设投票机制交替地共同训练三个语义分割网络，伪标签的精度得到了显著的提高，避免语义分割网络由于伪标签不可靠而相互崩溃，从而深度优化了三个语义分割网络，提高了语义分割过程中的可靠性，并可在测试阶段通过三个训练良好的语义分割网络投票得到预测结果，从而进一步提高了半监督语义分割的准确性。

主权项：1.一种深度三网络半监督语义分割方法，其特征在于，应用于包括三个语义分割网络的模型训练框架中，各所述语义分割网络具有相同的结构和不同的初始化参数，所述方法包括：选定一个所述语义分割网络作为当前网络，将在预设已标记数据集中随机采样得到的已标记数据输入所述当前网络，并根据所述当前网络的输出生成第一分类分数，根据所述第一分类分数和所述已标记数据的标签确定所述当前网络的监督损失；将在预设未标记数据集中随机采样得到的未标记数据输入各所述语义分割网络，根据所述当前网络的输出生成第二分类分数，并将其他两个所述语义分割网络的输出按预设投票机制进行融合后生成伪标签，根据与所述伪标签对应的第一硬标签和第二硬标签的重叠率确定一致性率；若所述一致性率低于预设阈值，删除所述伪标签并将新的未标记数据输入其他两个所述语义分割网络，以生成新的伪标签；其中，所述第一硬标签和所述第二硬标签是分别基于其他两个所述语义分割网络的输出生成的，基于所述第二分类分数和所述伪标签确定所述当前网络的非监督损失；根据公式一确定所述一致性率，所述公式一具体为： 其中，r为所述一致性率，H为输入语义分割网络的图像的高度，W为输入语义分割网络的图像的宽度，p为像素位置，yβp为所述第一硬标签中p位置下的伪标签向量，yγp为所述第二硬标签中p位置下的伪标签向量；基于所述当前网络的监督损失和所述当前网络的非监督损失更新所述当前网络的参数，并基于与其他两个所述语义分割网络对应的各监督损失和各非监督损失分别更新其他两个所述语义分割网络的参数，以对各所述语义分割网络进行训练；基于各训练完成的语义分割网络对待分割图像进行语义分割并生成语义分割图像；其中，所述预设投票机制为将参与投票的各语义分割网络输出的各像素的概率向量按不同网络进行融合后生成各像素的融合向量，并根据各所述融合向量生成硬标签，所述硬标签在训练阶段被作为所述伪标签；根据各所述融合向量生成硬标签，具体为：根据各所述融合向量生成融合的软标签，对融合的软标签进行Argmax操作得到所述伪标签；其中，所述融合向量是基于公式四进行表示的，所述公式四为： 其中，V*为所述融合向量，K为参与投票的语义分割网络的数量，是第i个语义分割网络中某一像素的类别分别为1-N的概率。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种深度三网络半监督语义分割方法和系统