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：浙江浙能电力股份有限公司萧山发电厂;浙江大学;浙江浙能数字科技有限公司

摘要：本发明公开了一种基于偏差校准和混合增强策略的弱监督图像分割方法，该方法构建了基于预测偏差校准的图像分割模型，仅需要标注图像包含少量像素点信息，即可实现对图像的精准自动分割；该方法重点关注图像分割模型潜在的预测偏差区域，通过近邻约束的软标签策略实现了对可能存在的错误预测的修正，缓解了图像分割模型在监督信号有限情况下存在的预测偏差问题；通过将自适应图像混合增强策略与图像分割模型的优化过程相结合，丰富了数据和标签信息的多样性，提高了图像分割模型对困难区域的识别能力。本发明可以适用于自然图像、医学图像、二维码等各类图像，可以在更低的标注成本下实现良好的分割结果，有效地缓解了人工图像标注的负担。

主权项：1.一种基于偏差校准和混合增强策略的弱监督图像分割方法，其特征在于，包括以下步骤：1收集图像数据，并对每张图像的每个分割类别进行标注作为标签信息，以构建数据集；对数据集中的图像数据进行预处理和数据增强，以获取训练数据集；2基于预测偏差校准和自适应混合增强策略构建弱监督图像分割网络；其中，所述弱监督图像分割网络包括两个独立训练的子网络；3将训练数据集中的图像数据作为弱监督图像分割网络的输入进行训练，并根据弱监督图像分割网络的损失函数优化弱监督图像分割网络的参数，直至弱监督图像分割网络的损失函数收敛或达到预设的训练轮数为止；将训练好的弱监督图像分割网络的第一个子网络作为图像分割模型；4获取图像数据，将图像输入至图像分割模型中，获得图像分割结果；其中，所述弱监督图像分割网络包括的两个子网络的结构完全一致，但采用不同的参数初始化策略；每个子网络采用U-Net架构，每个子网络包括一个编码器和一个解码器，所述编码器用于对输入图像进行编码获得图像特征，所述解码器用于基于图像特征解码获得所需要的图像分割结果；其中，所述编码器包括卷积模块和下采样模块，所述解码器包括卷积模块、上采样模块和输出模块，所述卷积模块包括卷积层、批正则化层、LeakyReLU激活函数和随机失活层，所述下采样模块包括最大池化层，所述上采样模块包括反卷积层，所述输出模块包括卷积层；所述弱监督图像分割网络的损失函数的计算公式为： 其中，为弱监督图像分割网络的损失函数，为原始图像输入的有监督损失，为两个子网络输出的分割预测和伪标签的分割损失，为混合图像输入的分割损失，为两个子网络产生预测分歧区域的预测偏差修正损失，λ是权重参数；所述原始图像输入的有监督损失的计算公式为： 其中，c表示分割类别，S表示有标注信息的像素点集合，和分别为两个子网络输出预测结果中像素点i为类别c的预测概率；所述两个子网络输出的分割预测和伪标签的分割损失的计算公式为： 其中，PL表示输入图像对应的伪标签，和表示两个子网络输出的分割预测结果，和表示两个子网络输出预测结果的预测熵图，⊙表示点积，表示分割损失；所述混合图像输入的分割损失的计算公式为： 其中，smix、PLmix、和分别表示原始图像对应的增强图像的涂鸦标注、伪标签以及两个子网络输出的分割预测结果，其中涂鸦标注即为图像数据对应的标签信息；所述两个子网络产生预测分歧区域的预测偏差修正损失的计算公式为： 其中，和表示两个子网络预测产生分歧的模糊区域对应的像素预测结果和软标签值，表示网络预测结果与其对应的软标签值的KL散度损失，表示像素点i为类别c对应的软标签值，表示像素点i的预测结果，和表示两个子网络输出的像素点i的预测结果，ω为不同近邻像素的权重大小，D为近邻像素集合，j表示第j个近邻像素。

全文数据：

权利要求：

百度查询： 浙江浙能电力股份有限公司萧山发电厂 浙江大学 浙江浙能数字科技有限公司 一种基于偏差校准和混合增强策略的弱监督图像分割方法