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：南京信息工程大学

摘要：本发明公开了一种基于强弱一致性的半监督对抗互训练语义分割方法，包括以下步骤：（1）获取开源网站PascalVOC2012数据集体并进行预处理；（2）构建基于改进的deeplabV3+差异特征一致性融合伪标签分支监督分割网络并进行训练，包括：快速增强网络和重度增广网络；（3）输出分割图；本发明使用互训练的思想构建了一个基于强弱一致性的对抗联合训练架构方法，用于半监督语义分割，不仅拥有很好的端对端训练，而且在训练中使用了互训练的方法，两个分支相互监督避免了确认偏差的影响，且特征对抗的思想更是强制让模型拥有更强的泛化能力，强弱一致性也让模型能够在图像包含较少有效信息的情况下有很好的性能。

主权项：1.一种基于强弱一致性的半监督对抗互训练语义分割方法，其特征在于，包括以下步骤：S1获取开源网站PascalVOC2012数据集并进行预处理；具体如下：PascalVOC2012数据集1464张用于训练的全标注图像，1449张用于验证的图像和1456张用于测试的图像；其中，将1464张随机划分为有标签图像和无标签图像；预处理具体如下：将训练图像进行随机缩放、裁剪、水平翻转后作为快速增强网络的输入；将经过随机缩放、裁剪、水平翻转的图像利用色彩抖动transforms.ColorJitter随机调整图像的亮度、对比度、饱和度和色相；利用随机灰度化transforms.RandomGrayscale随机将图像转换成灰度图像后再进行随机的模糊变换作为重度增广网络的输入；即得到一组完全按像素标注的图像和一组未标注的图像；其中，M和N表示标记图像和未标记图像的数量，其中，，；其中，C表示通道；H表示高度；W表示宽度；是每个像素one-hot标签，其中，Y表示分割类别的数目；S2采用deeplabv3+构建半监督语义分割网络，所述半监督语义分割网络包括快速增强网络和重度增广网络；其中，快速增强网络和重度增广网络包括：特征差异提取模块、特征解码模块、伪标签合成模块、交叉监督模块；其中，特征差异提取模块用于进行图像的特征提取；特征解码模块用于在快速增强网络和重度增广网络中分别进行扰动特征和无扰动特征，其中，无扰动特征采用图像扰动和特征扰动dropout构成的双路扰动进行；然后输入到快速增强网络和重度增广网络两个共享权重的解码器上进行解码分别得到快速增强网络两张预测图和重度增广网络两张预测图；伪标签合成模块采用邻近像素预测生成伪标签；其中，快速增强网络和重度增广网络分别生成第一伪标签和第二伪标签；交叉监督模块用于将快速增强网络中不进行扰动的预测图合成伪标签，然后利用伪标签监督重度增广网络预测图的训练；S3输出分割图。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于强弱一致性的半监督对抗互训练语义分割方法