【技术实现步骤摘要】
从粗略标记进行图像分段的半监督式训练
[0001]相关申请案
[0002]本申请案要求2021年5月6日提交的第63/185,278号临时美国专利申请案的优先权，所述临时美国专利申请案的整个公开内容特此以引用的方式并入本文中。
[0003]本文中公开的至少一些实施例大体上涉及图像分段，且更明确地说但不限于用于图像分段的人工神经网络(ANN)的半监督式训练。
技术介绍
[0004]人工神经网络(ANN)使用神经元网络来处理到所述网络的输入，且产生从所述网络的输出。
[0005]深度学习已应用于许多应用领域，例如计算机视觉、语音/音频辨识、自然语言处理、机器翻译、生物信息学、药物设计、医疗图像处理、游戏等。
技术实现思路
[0006]根据本公开的实施例，提供一种方法，且所述方法包括以下步骤：在计算设备中接收表示第一图像的第一数据和识别所述第一图像中的图像片段的第二数据；在所述计算设备中接收表示第二图像的第三数据和识别所述第二图像中的大致图像片段的第四数据；通过所述计算设备训练第一人工神经网...
【技术保护点】
【技术特征摘要】
1.一种方法，其包括：在计算设备中接收表示第一图像的第一数据和识别所述第一图像中的图像片段的第二数据；在所述计算设备中接收表示第二图像的第三数据和识别所述第二图像中的大致图像片段的第四数据；通过所述计算设备训练第一人工神经网络以根据在所述第二数据中识别的所述图像片段和在所述第四数据中识别的所述大致图像片段对所述第一图像和所述第二图像执行图像分段；通过所述计算设备使用所述第一人工神经网络执行所述第二图像的图像分段以产生识别所述第二图像中的图像片段的第五数据；以及通过所述计算设备训练第二人工神经网络以根据在所述第二数据中识别的所述图像片段和在所述第五数据中识别的所述图像片段对所述第一图像和所述第二图像执行图像分段。2.根据权利要求1所述的方法，其进一步包括：通过基于由所述第一人工神经网络识别的所述第二图像中的图像片段的置信度水平更新所述第二图像中由所述第四数据识别的所述大致图像片段来产生所述第五数据。3.根据权利要求2所述的方法，其中所述更新是基于比较由所述第一人工神经网络识别的所述第二图像中的图像片段的所述置信度水平与阈值。4.根据权利要求2所述的方法，其中所述更新是基于比较：由所述第一人工神经网络识别的所述第二图像中的图像片段的所述置信度水平，与所述第二图像中由所述第四数据识别的所述大致图像片段的置信度水平。5.根据权利要求4所述的方法，其进一步包括：通过所述第一人工神经网络确定由所述第一人工神经网络识别的所述第二图像中的所述图像片段的所述置信度水平；以及基于到所述大致图像片段的边界的距离，估计所述第二图像中由所述第四数据识别的所述大致图像片段的所述置信度水平。6.根据权利要求1所述的方法，其进一步包括：在图形用户接口中呈现由所述第一人工神经网络识别的所述第二图像中的所述图像片段；接收关于由所述第一人工神经网络识别的所述图像片段的人类输入；以及至少部分地基于所述人类输入和由所述第一人工神经网络识别的所述第二图像中的所述图像片段而产生所述第五数据。7.根据权利要求6所述的方法，其中所述人类输入包含对由所述第一人工神经网络在所述第二图像中识别的第一图像片段的确认。8.根据权利要求7所述的方法，其中所述人类输入包含对由所述第一人工神经网络在所述第二图像中识别的第二图像片段的校正。9.根据权利要求8所述的方法，其进一步包括：基于由所述第一人工神经网络执行的图像分段结果的置信度水平而选择由所述第一人工神经网络识别的第三图像片段；以及
将所述第三图像片段在所述图形用户接口中的呈现优先化。10.根据权利要求1所述的方法，其进一步包括：通过所述计算设备使用所述第二人工神经网络执行所述第二图像的图像分段以产生识别所述第二图像中的图像片段的第六数据；以及通过所述计算设备训练第三人工神经网络以根据在所述第二数据中识别的所述图像片段和在所述第六数据中识别的所述图像片段对所述第一图像和所述第二图像执行图像分段。11.根据权利要求1所述的方法，其中所述第二人工神经网络的所述训练经配置以基于到在所述第五数据中识别的所述图像片段的沃瑟斯坦距离而使损...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。