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！

龙图腾网获悉西安交通大学申请的专利基于域间一致性的无监督领域自适应语义分割方法、系统、设备及介质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：CN119693647B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411842557.X，技术领域涉及：G06V10/26；该发明授权基于域间一致性的无监督领域自适应语义分割方法、系统、设备及介质是由李辰;杨淳泽设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本基于域间一致性的无监督领域自适应语义分割方法、系统、设备及介质在说明书摘要公布了：基于域间一致性的无监督领域自适应语义分割方法、系统、设备及介质，使用基于GAN的多尺度生成对抗网络将源域图像数据在保留其内容的同时翻译至目标域风格；然后将其输入基于Transformer模型的域间一致性训练网络进行自适应训练，包括将进行数据增强后的源域图像数据发送到学生网络进行源域语义分割训练并使用EMA策略更新教师网络权重；将目标域无标签图像数据输入教师网络生成伪标签进一步指导学生网络训练；利用混合策略随机结合源域图像数据与目标域图像数据指导学生网络学习域不变知识；最后依照注意力特征图一致性调优学生网络，输出无监督领域自适应语义分割模型，能够在不使用目标域标签的情况下完成对目标域图像数据的分割；本发明在无人驾驶领域中能够使用更少的真实图像数据集训练出表现优异的模型，大大减小了训练的时间与金钱成本，提高了工作效率。

本发明授权基于域间一致性的无监督领域自适应语义分割方法、系统、设备及介质在权利要求书中公布了：1.一种基于域间一致性的无监督领域自适应语义分割方法，其特征在于，具体包括以下步骤： 步骤一：将有标签的源域图像数据输入基于GAN的多尺度图像翻译网络，翻译至与源域图像数据内容相同，但风格与目标域图像风格一致的中间域，进行风格迁移，以此构建中间域图像数据，以减少源域和目标域图像数据之间的分布差异； 步骤二：将步骤一构建的中间域图像数据输入基于Transformer模型的域间一致性训练网络，通过目标域图像数据与中间域图像数据的共同调整，输出对于目标域真实图像数据集的语义分割预测结果；具体为： 采用自学习的训练方法，同时训练两个结构完全相同的基于Transformer结构的语义分割网络，其中一个为正常接受梯度下降训练的学生网络，另一个为根据学生网络参数进行周期性更新的教师网络； 2.1：学生网络首先接受步骤一中生成的翻译后的图像数据XI作为输入，并将其随机裁剪至m×m像素的小块patch，应用包括颜色抖动、高斯模糊与ClassMix数据增强方法对patch增强,得到经过数据增强后的中间域图像数据；将经过数据增强后的中间域图像数据发送到学生网络fθ训练进行源域语义分割，源域语义分割部分的损失函数为： 其中，是一个权重参数，等于N是像素总数，Nc是与真值groundtruth对应的预测像素数，意味着该像素属于预测的特定类别c；是一个one-hot向量，由于图像翻译模块不改变图像数据的内容和结构信息，翻译后图像数据的groundtruth与源图像数据保持不变；当预测结果正确即则当预测结果错误则为像素属于类别c的概率，是学生网络的预测结果，进一步表示为： 教师网络与学生网络共享相同的架构，且不在学生网络的训练过程中对教师网络进行梯度下降权重更新，而采用EMA策略来更新教师网络的参数： 其中，和θ分别是教师网络和学生网络的参数；β是一个用于调整更新速度的超参数； 2.2：将步骤一生成的中间域图像数据与目标域图像数据混合以促进更稳定的训练；选择源域图像数据与目标域图像数据的互补部分进行混合： XMix＝MIXI+MTXT 其中，MI是掩码，MT是掩码的互补部分；基于教师网络生成的伪标签，生成具有相应部分的混合伪标签作为监督信号： 其中，YI等于源域标签yS； 使用混合图像数据和混合伪标签来训练学生网络，混合交叉熵损失如下： 为教师网络的预测结果，进一步表示为 2.3：首先从当前学生网络的decodehead中提取步骤二S1中输入到学生网络中的中间域图像数据对应的注意力特征图与目标域图像数据对应的注意力特征图同时从教师网络的decodehead中提取混合图像数据的注意力特征图通过掩码M混合中间域与目标域图像数据的注意力特征： 其中，M是由图像掩码MI调整大小而得到； 最小化Kullback-Leibler散度来最小化和两个注意力特征图的差异： 全局损失函数由两个像素级的交叉熵损失和注意力适应损失组成，域间一致性训练网络在这三种损失的约束下进行训练： 最终域间一致性训练网络输出学生网络作为自适应语义分割网络，完成目标域图像数据集上的语义分割任务。

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安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。