Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西北工业大学姜志宇获国家专利权

西北工业大学姜志宇获国家专利权

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申请的专利一种面向临地安防的少标注样本条件下的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:CN119027662B

龙图腾网通过国家知识产权局官网在2025-09-19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:202411046330.4,技术领域涉及:G06V10/26;该发明授权一种面向临地安防的少标注样本条件下的语义分割方法是由姜志宇;袁烨;袁媛设计研发完成,并于2024-08-01向国家知识产权局提交的专利申请。

一种面向临地安防的少标注样本条件下的语义分割方法在说明书摘要公布了:本发明公开了一种面向临地安防的少标注样本条件下的语义分割方法。该方法包括:获取第一航拍图像和第二航拍图像,其中,第一航拍图像为对多个航拍图像中一部分相同类别物体的像素级标注有类别标签的图像,第二航拍图像为与第一航拍图像对应的无标签图像;将第一航拍图像和第二航拍图像输入至特征提取器中,得到第一航拍图像对应的第一特征图和第二航拍图像对应的第二特征图;基于类别标签,对第一特征图和第二特征图进行特征提取,得到第一航拍图像的多个像素级样本特征、第一航拍图像的每个像素级样本特征的真实标签和第二航拍图像的多个无标签像素级样本特征。本发明解决了现有技术中的语义分割模型需要大量的标签数据,对类内差异未约束,导致语义混叠,多分类分割精度低的技术问题。

本发明授权一种面向临地安防的少标注样本条件下的语义分割方法在权利要求书中公布了:1.一种面向临地安防的少标注样本条件下的语义分割方法,其特征在于,包括: 获取第一航拍图像和第二航拍图像,其中,第一航拍图像为对多个航拍图像中一部分相同类别物体的像素级标注有类别标签的图像,第二航拍图像为与第一航拍图像对应的无标签图像; 将第一航拍图像和第二航拍图像输入至特征提取器中,得到第一航拍图像对应的第一特征图和第二航拍图像对应的第二特征图; 基于类别标签,对第一特征图和第二特征图进行特征提取,得到第一航拍图像的多个像素级样本特征、第一航拍图像的每个像素级样本特征的真实标签和第二航拍图像的多个无标签像素级样本特征; 基于第一航拍图像的多个像素级样本特征,得到第一航拍图像的多个像素级样本特征中的每个类别的原型; 基于每个类别的原型,得到原型分类器; 基于原型分类器、第一航拍图像的每个像素级样本特征和每个像素级样本特征的真实标签,得到分类约束损失值; 基于原型分类器、第二航拍图像的多个无标签像素级样本特征和第二航拍图像的多个无标签像素级样本特征的伪标签,得到无监督约束损失值,其中,所述第二航拍图像的多个无标签像素级样本特征的伪标签是基于原型分类器和第二航拍图像的多个无标签像素级样本特征确定的; 将原型分类器和第一航拍图像的每个像素级样本特征输入至监督原型对比学习模块,得到有监督对比学习损失值; 基于分类约束损失值、无监督约束损失值和有监督对比学习损失值,得到目标损失值; 利用第二航拍图像的多个无标签像素级样本特征的伪标签和第一航拍图像的多个像素级样本特征中的每个类别的原型,更新第一航拍图像的多个像素级样本特征中的每个类别的原型; 获取待检测航拍图像,确定待检测航拍图像的语义分割结果。

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,其通讯地址为:710072 陕西省西安市碑林区友谊西路127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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。