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！

龙图腾网获悉西北工业大学宁波研究院申请的专利基于自适应空间变换的半监督语义分割动态增强方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119992107B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510465927.0，技术领域涉及：G06V10/26；该发明授权基于自适应空间变换的半监督语义分割动态增强方法是由张艳宁;冉令燕;黎雅丽;卓涛;张世周;王鹏设计研发完成，并于2025-04-15向国家知识产权局提交的专利申请。

本基于自适应空间变换的半监督语义分割动态增强方法在说明书摘要公布了：本发明提供了基于自适应空间变换的半监督语义分割动态增强方法，包括以下步骤：给定有标签数据集以及无标签数据集；构建第一损失函数，训练出学生模型；初始化教师模型，对无标签数据集进行预测，预测结果作为伪标签；计算无标签数据集的信息熵；对无标签图像进行空间增强处理，使用学生模型对空间增强结果进行预测；构建第二损失函数，并根据第一损失函数与第二损失函数构建总损失函数，通过总损失函数进一步训练学生模型；通过训练后的学生模型对测试集图像进行预测，计算平均交并比，根据平均交并比选择训练效果最佳的一组学生模型。本发明通过动态调整空间变换的幅度和方向，增强模型的泛化性，实现高精度的语义分割。

本发明授权基于自适应空间变换的半监督语义分割动态增强方法在权利要求书中公布了：1.基于自适应空间变换的半监督语义分割动态增强方法，其特征在于，包括以下步骤： S1、给定一组有标签数据集以及一组无标签数据集，其中，包括个有标签图像，表示所述有标签图像，表示所述有标签图像对应的标签，包括个无标签图像，表示所述无标签图像，其中； S2、构建第一损失函数，并通过所述有标签数据集以及所述第一损失函数训练出学生模型； S3、通过所述学生模型初始化教师模型，通过所述教师模型对所述无标签数据集进行预测，获得预测结果，并将所述预测结果作为伪标签，其中，表示弱增强处理； S4、根据所述伪标签计算无标签数据集的信息熵； S5、根据所述信息熵对所述无标签图像进行空间增强处理，获得所述无标签图像的空间增强结果，使用所述学生模型对所述空间增强结果进行预测，获得预测结果；空间增强处理的公式为： ； ； 其中，和均表示缩放参数，表示旋转变换的偏移量，表示平移变换的偏移量，表示最大旋转角度，表示最大平移比； S6、根据所述伪标签和所述预测结果构建第二损失函数，并根据所述第一损失函数与第二损失函数构建总损失函数，通过所述总损失函数进一步训练所述学生模型，获得多个训练后的所述学生模型； S7、给定一组测试集图像，所述测试集图像中的每个图像均包括真实标签，通过训练后的所述学生模型对所述测试集图像进行预测，计算预测结果与所述真实标签之间的平均交并比，根据所述平均交并比选择训练效果最佳的一组所述学生模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学宁波研究院，其通讯地址为：315000 浙江省宁波市高新区清逸路218弄；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。