一種基于框標(biāo)注的弱監(jiān)督圖像分割方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202111257634.1 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN113971678A | 公開(kāi)（公告）日 | 2022-01-25 |
| 申請(qǐng)公布號(hào) | CN113971678A | 申請(qǐng)公布日 | 2022-01-25 |
| 分類號(hào) | G06T7/11（2017.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 姜振濤;程健 | 申請(qǐng)（專利權(quán)）人 | 中科南京人工智能創(chuàng)新研究院 |
| 代理機(jī)構(gòu) | 南京泰普專利代理事務(wù)所（普通合伙） | 代理人 | 張帆 |
| 地址 | 211135江蘇省南京市創(chuàng)研路266號(hào)麒麟人工智能產(chǎn)業(yè)園3號(hào)樓3樓 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明提出一種基于框標(biāo)注的弱監(jiān)督圖像分割方法，所述圖像分割方法可分為三個(gè)步驟：步驟1、初始化輸入；步驟2、深度學(xué)習(xí)模型；步驟3、規(guī)范化輸出。所述步驟1中的初始化輸入是完成圖像轉(zhuǎn)換為深度學(xué)習(xí)數(shù)據(jù)；所述步驟2中的深度學(xué)習(xí)模型是依據(jù)深度學(xué)習(xí)原理，具體為通過(guò)堆疊卷積計(jì)算，池化計(jì)算以及各類激活函數(shù)實(shí)現(xiàn)一個(gè)復(fù)雜的深度學(xué)習(xí)模型結(jié)構(gòu)，最終搭建一個(gè)端到端的圖像分割模型；所述步驟3中的規(guī)范化輸出分為兩階段：訓(xùn)練階段和應(yīng)用階段，訓(xùn)練階段和應(yīng)用階段不同點(diǎn)在于在規(guī)范化輸出中對(duì)深度學(xué)習(xí)模型的計(jì)算結(jié)果進(jìn)行不同處理方式，以達(dá)到訓(xùn)練模型的效果和現(xiàn)實(shí)應(yīng)用的功能。 |
