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一种半监督山体滑坡图像语义分割方法及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：CN120833489B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202511339995.9，技术领域涉及：G06V10/26；该发明授权一种半监督山体滑坡图像语义分割方法及系统是由许领;万雨铭;史金钢;宋超;崔正楠设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本一种半监督山体滑坡图像语义分割方法及系统在说明书摘要公布了：本发明公开了一种半监督山体滑坡图像语义分割方法及系统，属于深度学习技术领域，当伪标签的置信度小于置信度阈值时，将有标记样本图像信息通过参与剪贴和粘贴过程注入置信度小于置信度阈值的无标记样本；构造有标记样本的语义相似性图，通过确定语义相似性感知图对有标记样本的预测结果进行加权扩散，确定高置信度区域掩码；并通过从语义相似性图中随机采样多个锚点，生成各锚点对应位置的形状掩码，将各锚点的形状特征注入置信度大于等于置信度阈值的无标记样本；通过更新无标记样本生成混合样本，作为训练集，对分割模型进行训练。该方法能够有效提高半监督山体滑坡图像语义分割结果的准确度。

本发明授权一种半监督山体滑坡图像语义分割方法及系统在权利要求书中公布了：1.一种半监督山体滑坡图像语义分割方法，其特征在于，包括以下步骤： 获取山体滑坡图像的无标记样本和有标记样本； 通过分割模型获取无标记样本的预测结果，将预测结果作为伪标签，并确定伪标签的置信度，当伪标签的置信度小于获取的随机数时，将有标记样本图像信息通过参与剪贴和粘贴过程，注入置信度小于随机数的无标记样本； 构造有标记样本的语义相似性图，通过确定语义相似性感知图对有标记样本的预测结果进行加权扩散，确定高置信度区域掩码；并通过从语义相似性图中随机采样多个锚点，生成各锚点对应位置的形状掩码，通过形状掩码与高置信度区域掩码确定重叠率，当重叠率大于重叠率阈值时，通过语义相似性感知图计算形状区域内的主导类别，当主导类别占比超过主导类别阈值时，将各锚点的形状特征注入置信度大于或者等于随机数的无标记样本； 通过更新无标记样本生成混合样本，将混合样本作为训练集，对分割模型进行训练； 所述确定伪标签的置信度为通过计算伪标签的置信度的评分获得的，所述伪标签的置信度的评分公式为： ； 其中，H为特征图的高度，W为特征图的宽度，为第i张无标记样本特征图中通过分割模型生成的预测结果，J表示第i张无标记样本中的第J个像素，C为滑坡分割任务中的分类种类； 所述确定语义相似性感知图，具体包括： 构建用于获取语义相似性感知图的特征提取网络，该特征提取网络包括编码器和两个卷积层； 通过编码器进行多阶段特征交互，构建有标记样本的语义相似性图： ； 式中，为编码器第一阶段后得到的特征图；为编码器第n阶段后得到的特征图；D为通道数；HW为特征图像素数；Conv指1×1卷积； 编码器提取特征后，通过两个卷积层对有标记样本的语义相似性图进行特征投影，将投影后的特征进行矩阵相乘并归一化，得到语义相似性感知图矩阵： ； 式中，T为矩阵的转置操作；为语义相似性感知图矩阵；该矩阵C中的每个元素ci，j量化了位置i与j之间的语义关联程度。

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：710000 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。