【技术实现步骤摘要】
本专利技术涉及图像检测，尤其涉及一种半监督语义分割网络训练方法及装置，另外还涉及一种电子装置及非暂态计算机可读存储介质。
技术介绍
1、近年来，随着深度学习目标检测技术的不断发展，相关智能产品应用也越来越广泛，比如，人脸检测、自动驾驶、安防领域中各类目标自动识别等。深度学习目标检测技术是建立在海量标注图像基础之上的，样本图像的丰富程度、标注的精准程度都直接决定了检测模型的训练效果。然而，实际应用场景中很难获得足够批量的样本图像，即使采集到足够的样本图像，精细的语义分割标注难度高，工作量也非常大，因此，如何实现半自动化标注，以提高当前小样本图像的特征提取效率成为智能产品落地的关键问题。
技术实现思路
1、本专利技术提供一种半监督语义分割网络训练方法，用以解决现有技术中存在的精细的语义分割标注难度高、工作量大，导致模型训练效率较差的缺陷。
2、本专利技术提供一种半监督语义分割网络训练方法，包括：
3、获得标注数据集；其中，所述标注数据集是从原始数据集中获取目标样本图像进...
【技术保护点】
1.一种半监督语义分割网络训练方法，其特征在于，包括：
2.根据权利要求1所述的半监督语义分割网络训练方法，其特征在于，所述对所述语义分割结果中的可修正分割结果进行评估分析，确定所述可修正分割结果中的可用分割结果，具体包括：
3.根据权利要求2所述的半监督语义分割网络训练方法，其特征在于，所述基于所述语义分割结果和得到的目标检测结果，确定所述可修正分割结果中每张目标分割图像的推理结果评价分数，具体包括：
4.根据权利要求2所述的半监督语义分割网络训练方法，其特征在于，所述获得所述语义分割结果中的可修正分割结果，具体包括：
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。