基于双学生渐进学习的弱监督语义分割方法、设备和介质技术

本发明专利技术涉及一种基于双学生渐进学习的弱监督语义分割方法、设备和介质，包括以下步骤：获取待分割图像，输入基于双学生渐进学习的弱监督语义分割网络，获得待分割图像的语义分割结果；基于双学生渐进学习的弱监督语义分割网络包括两个相互独立的子网络，每个子网络包括一个分割头和一个骨干网络；两个子网络的骨干网络间引入差异性约束，分别用于根据待分割图像生成相异的类激活图；分割头用于根据待分割图像得到分割结果，每个子网络的分割头基于另一个子网络生成的伪标签进行弱监督学习，伪标签采用渐进学习策略基于类激活图生成；以两个子网络中分割效果更好的分割头的输出作为最终输出。与现有技术相比，本发明专利技术可以提高语义分割结果的准确性。

【技术实现步骤摘要】

本专利技术属于计算机视觉，尤其是涉及一种基于双学生渐进学习的弱监督语义分割方法、设备和介质。

技术介绍

1、语义分割是图像处理的一个重要任务，弱监督语义分割是一种在图像级标注下训练语义分割模型的方法，通常依赖于图像级别的标签。类激活图是一种用于从深度神经网络中提取与特定类别相关区域的技术，可以通过类激活图生成伪标签，文献learningpixel-level semantic affinity with image-level supervision for weaklysupervised semantic segmentation(ahn j,kwak s.,proceedings of the ieeeconference on computer vision and pattern recognition.2018:4981-4990)利用后处理网络结合稠密条件随机场优化伪标签，最后将其作为监督信号，指导模型完成语义分割任务。上述的多阶段范式由于需要训练多个模型，效率往往受到严重的限制，因此，有学者提出了高效的单阶段解决方案来应对弱监督语义分割任务本文档来自技高网...

【技术保护点】

1.一种基于双学生渐进学习的弱监督语义分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于双学生渐进学习的弱监督语义分割方法，其特征在于，通过最小化两个骨干网络从待分割图像中提取的特征的余弦相似性，实现所述差异性约束。

3.根据权利要求1所述的一种基于双学生渐进学习的弱监督语义分割方法，其特征在于，所述渐进学习策略包括动态阈值调整和自适应噪声过滤。

4.根据权利要求3所述的一种基于双学生渐进学习的弱监督语义分割方法，其特征在于，采用余弦下降策略实现所述动态阈值调整。

5.根据权利要求4所述的一种基于双学生渐进学习的弱监督语...

【技术特征摘要】

1.一种基于双学生渐进学习的弱监督语义分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于双学生渐进学习的弱监督语义分割方法，其特征在于，通过最小化两个骨干网络从待分割图像中提取的特征的余弦相似性，实现所述差异性约束。

3.根据权利要求1所述的一种基于双学生渐进学习的弱监督语义分割方法，其特征在于，所述渐进学习策略包括动态阈值调整和自适应噪声过滤。

4.根据权利要求3所述的一种基于双学生渐进学习的弱监督语义分割方法，其特征在于，采用余弦下降策略实现所述动态阈值调整。

5.根据权利要求4所述的一种基于双学生渐进学习的弱监督语义分割方法，其特征在于，所述动态阈值调整的表达式具体如下：

6.根据权利要求3所述的一种基于双学生渐进学习的弱监督语义分割方法，其...

【专利技术属性】
技术研发人员：李晓强，吴远尘，
申请(专利权)人：上海大学，
类型：发明
国别省市：