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！

龙图腾网获悉上海交通大学申请的专利基于特征原型的半监督域适应语义分割方法和系统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：CN114529900B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202210131997.9，技术领域涉及：G06V20/70；该发明授权基于特征原型的半监督域适应语义分割方法和系统是由张小云;叶子玉;张娅;王延峰设计研发完成，并于2022-02-14向国家知识产权局提交的专利申请。

本基于特征原型的半监督域适应语义分割方法和系统在说明书摘要公布了：本发明公开基于特征原型的半监督域适应语义分割方法，包括:获取带标注源域图像、带标注目标域图像和无标注目标域图像；构建模型，模型包括编码器、解码器、分类器和风格转换网络；利用带标注源域图像和带标注目标域图像，进行有监督训练分割模型，利用分类器中间层的特征计算特征原型；利用目标域图像和源域图像，进行无监督训练风格转换网络；对解码器和风格转换网络各自的转换图像，进行图像级对齐；利用特征原型改善特征级对齐；将特征原型按照获取来源分别进行处理。本发明通过特征原型对比学习，对提取特征的过程进行了约束，增强了网络提取语义特征的能力，改善了模型的泛化性能，使能在目标域数据分布上取得较好的分割效果。

本发明授权基于特征原型的半监督域适应语义分割方法和系统在权利要求书中公布了：1.一种基于特征原型的半监督域适应语义分割方法，其特征在于， 获取训练数据集，所述训练数据集包括带标注源域图像、带标注目标域图像和无标注目标域图像； 构建模型，所述模型包括编码器、解码器、分类器和风格转换网络； 利用所述带标注源域图像和所述带标注目标域图像，进行有监督训练分割模型，所述分割模型包括编码器和分类器； 利用所述分类器中间层的特征计算特征原型； 利用所述目标域图像和源域图像，进行无监督训练所述风格转换网络； 对所述解码器和所述风格转换网络各自的转换图像，分别进行图像级对齐； 利用所述特征原型改善特征级对齐； 将所述特征原型按照获取来源分别进行处理； 所述特征原型的计算包括两类： 对于带标注源域图像和带标注目标域图像，利用真实标注计算模型输出分割中预测正确的区域； 选取所述正确的区域的特征在长宽维度进行平均，获得带标注特征原型； 对于不带标注的目标域图像，设置概率阈值； 根据所述模型分割预测中每一点的概率，将大于所述概率阈值的区域挑选出来作为计算特征原型的区域； 计算所述特征原型的区域的语义特征获得特征原型。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。