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！

龙图腾网获悉江苏科技大学申请的专利一种基于生成对抗网络框架的半监督语义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：CN117237638B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202311282089.0，技术领域涉及：G06V10/26；该发明授权一种基于生成对抗网络框架的半监督语义分割方法是由刘凡;段先华设计研发完成，并于2023-10-07向国家知识产权局提交的专利申请。

本一种基于生成对抗网络框架的半监督语义分割方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络框架的半监督语义分割方法，属于计算机语义分割领域，可用常规图片的语义分割。该方法包括以下步骤：步骤一：获取数据集VOC2012，并预处理；步骤二：构建生成对抗网络框架，采用DeepLabv2为基础生成网络，全卷积网络为鉴别网络；步骤三：对DeepLabv2为基础的生成网络进行改进，优化DeepLabv2中的骨干分割网络Resnet101，引入CBAM注意力机制和深度可分离卷积，使整个模型将权重参数更为合理地分配，提高模型的表征能力且计算更为高效；步骤四：优化基于全卷积网络的鉴别网络，将标准卷积改为空洞卷积，提高感受野，加强整个网络的训练效果；步骤五：训练模型；步骤六：用训练好的模型对测试样本进行分割测试并输出分割结果。

本发明授权一种基于生成对抗网络框架的半监督语义分割方法在权利要求书中公布了：1.一种基于生成对抗网络框架的半监督语义分割方法，其特征在于，主要包括以下步骤： 步骤一：获取日常分割数据集VOC2012，并对其进行预处理； 步骤二：基于生成对抗网络框架，采用DeepLabv2为基础生成网络，全卷积网络为鉴别网络； 步骤三：对DeepLabv2为基础的生成网络进行改进，优化DeepLabv2中的骨干分割网络Resnet101，引入CBAM注意力机制和深度可分离卷积，使整个模型将权重参数更为合理地分配，提高模型的表征能力且计算更为高效； 步骤四：优化基于全卷积网络的鉴别网络，将标准卷积改为空洞卷积，提高感受野，加强整个网络的训练效果； 步骤五：优化完成后的模型进行训练，生成器和鉴别器对抗训练，提升网络分割能力； 步骤六：用训练好的模型对测试样本进行分割测试并输出分割结果，本发明在半监督分割领域对图像的分割准确率高，精度高，能够有效地应用于半监督语义分割任务中； 所述步骤二中的生成对抗网络框架中生成网络采用Deeplabv2框架与ResNet-101作为生成网络，ResNet101网络由100个卷积层和一个全连接层组成，通过卷积步长改变图像尺度，其网络结构分为五个阶段，每经过一个阶段图片下采样2倍，鉴别器网络采用基于FCN的完全卷积结构； 所述步骤三对于生成网络的改进如下： 引入CBAM注意力机制，在最后的卷积层前添加CBAM自注意力机制，更加合理地分配模型的权重参数；将DeepLabv2网络中Resnet残差块的三个标准卷积替换为深度可分离卷积，加快运算效率，提升训练效果； 所述步骤四中对鉴别器全卷积网络的改进如下：引入空洞卷积，将原本的卷积层改为以5个卷积层组成主干网络，卷积核为4×4，通道数分别为{64，128，256，512，1}，空洞卷积参数为{1，2，5，1，2}，除了最后一层外，每个卷积层后面都跟着一个参数为0.2的Leaky-ReLU，最后一层添加了一个上采样层； 所述步骤五中训练包括以下步骤： 5.1网络参数初始化； 5.2设置训练参数； 5.3加载训练数据； 5.4迭代对抗训练。

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江苏科技大学，其通讯地址为：212100 江苏省镇江市丹徒区长晖路666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”。

以上内容由龙图腾AI智能生成。