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！

龙图腾网获悉重庆理工大学申请的专利一种基于前背景匹配的边界框弱监督图像分割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：CN116071389B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310047566.9，技术领域涉及：G06T7/194；该发明授权一种基于前背景匹配的边界框弱监督图像分割方法是由龙建武;刘东;杨诚鑫;任岩;曾子秦设计研发完成，并于2023-01-31向国家知识产权局提交的专利申请。

本一种基于前背景匹配的边界框弱监督图像分割方法在说明书摘要公布了：本发明提供一种基于前背景匹配的边界框弱监督图像分割方法，包括将LAB图像送到全监督分割网络中得到前景分割结果；将边界框及前景分割结果送入掩码投影损失优化分割网络；使用领域像素一致性损失约束像素点对的前景分割结果一致；使用像素表示模块对输入图像中每个像素点生成能表示其语义的像素特征表示，并使用像素特征表示一致性损失约束相似性高的像素特征表示在空间上需要接近；将该特征表示按边界框划定前背景区域，使用K‑Means分别对背景和高概率的前景区域建立前背景模型，并将边界框内部的像素特征表示分别与前背景模型使用前背景搜索损失优化前景分割结果。本申请能降低图像分割对像素级标注的依赖，提高现有弱监督分割方法的准确率。

本发明授权一种基于前背景匹配的边界框弱监督图像分割方法在权利要求书中公布了：1.一种基于前背景匹配的边界框弱监督图像分割方法，其特征在于，包括以下步骤： S1、将RGB通道输入图像转换至LAB通道送到全监督分割网络中得到前景分割结果； S2、将现有的边界框标注及步骤S1中得到的前景分割结果送入至掩码投影损失中计算优化分割网络，掩码投影损失将前景分割结果和边界框标注掩码都分别向X轴和Y轴做投影，这样将一整个矩形区域的强约束弱化为在两个方向上的投影约束，所述掩码投影损失表示如下： Lproj＝LProjxp,Projxb+LProjyp,Projyb ＝Lmaxyp,maxyb+Lmaxxp,maxxb 其中，式中L·,·使用的是IoULoss，表示前景分割结果在Y轴上进行max操作，表示前景分割结果在X轴上进行max操作，Projxb＝maxyb＝lx表示边界框标注掩码在Y轴上进行max操作，Projyb＝maxxb＝ly表示边界框标注掩码在X轴上进行max操作；p∈0,1H×W为前景分割结果，是所有像素点为前景的概率集合，其范围为[0,1]，0表示背景，1表示前景，H和W分别表示图像的高和宽；b∈0,1H×W表示由边界框生成的粗糙掩码即边界框标注掩码，边界框内部的掩码值为1，其余位置为0； S3、根据在邻域中相似性高的像素点对其标签具有高一致性的特点，提出邻域像素一致性损失来增加经步骤S2约束后得到的前景分割结果的连通性，该邻域像素一致性损失通过比较边界框内部每个像素点与其邻域像素之间包括颜色、纹理在内的特征是否相似，来约束像素点对的前景分割结果一致，所述邻域像素一致性损失表示如下： 其中，N表示像素点对个数，e∈Einbox表示边界框内部的连接边；表示连接边e的两个端点像素点i,j和l,k的相似情况，表示不相似，表示相似；ye＝1表示连接边的两个端点像素点具有相同的标签结果；Pye＝1表示ye＝1的前景预测概率； S4、使用像素表示模块对输入图像中的每个像素点生成一个能表示其语义信息的像素特征表示，并使用提出的像素特征表示一致性损失，约束相似性高的像素点对应的像素特征表示在空间上接近，所述像素特征表示一致性损失表示如下： 其中，e∈E表示所有像素点邻域的连接边；表示连接边e的两个端点像素点i,j和l,k的相似情况，表示不相似，表示相似；Ei,j表示像素点i,j的像素特征表示，El,k表示像素点l,k的像素特征表示； S5、将步骤S4中生成的像素特征表示根据边界框标注划定前景与背景区域，使用K-Means算法分别对背景区域和高概率的前景区域建立背景与前景模型即前背景模型，并利用在边界框内部的像素特征表示，分别与前背景模型使用提出的前背景搜索损失优化前景分割结果，所述前背景搜索损失表示如下： 其中，fi表示边界框内部所有像素点i∈Ein对应的像素特征表示，fOB表示背景的簇中心，fF表示前景的簇中心，α1、α2为权重系数，d·,·为距离函数，用于表示背景簇中心与边框内每个像素点像素特征表示的距离，Pi表示像素点i被预测为前景的概率。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69号附1号；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”。