Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 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 > 恭喜中国航空发动机研究院童辉获国家专利权

恭喜中国航空发动机研究院童辉获国家专利权

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!

龙图腾网恭喜中国航空发动机研究院申请的专利一种语义分割方法、装置、电子设备及存储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:CN116452811B

龙图腾网通过国家知识产权局官网在2025-04-29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:202310457525.7,技术领域涉及:G06V10/26;该发明授权一种语义分割方法、装置、电子设备及存储介质是由童辉;回彦弘;史慧楠;侯明;安浩俊;郭超;吴强;于爽;柳思源;张文博;汪邦军;夏姣辉;林勇设计研发完成,并于2023-04-25向国家知识产权局提交的专利申请。

一种语义分割方法、装置、电子设备及存储介质在说明书摘要公布了:本公开涉及一种语义分割方法、装置、电子设备及存储介质,上述方法包括:获取待处理图像集,提取待处理图像集中各个待处理图像的特征图,并基于二值交叉熵损失值获得特征图的初步类激活图。基于特征图和每个类别对应的初步类激活图,获得类别特征图。获取类别特征图的单标签多类别分类结果的损失值,基于二值交叉熵损失值与单标签多类别分类结果的损失值,获得特征图的类重新激活图,并基于类重新激活图,获得待处理图像中各个像素的伪标签。本公开示例性实施例的方法可以节省标注成本,提高图像分割性能,解决图像类别无法与特征信息对应区域实现关联关系,导致图像分割不够准确的问题。

本发明授权一种语义分割方法、装置、电子设备及存储介质在权利要求书中公布了:1.一种语义分割方法,其特征在于,所述方法包括:获取待处理图像集;提取所述待处理图像集中各个待处理图像的特征图,并基于二值交叉熵损失值获得所述特征图的初步类激活图;其中,基于所述特征图,获得多标签分类结果,所述多标签分类结果为:s=σF1Pfx其中,σ表示sigmoid激活函数,P表示全局平均池化,fx表示特征图,F1表示第一全连接层;基于所述多标签分类结果,计算所述二值交叉熵损失值,所述二值交叉熵损失值为: 其中,s[n]表示第n类的分类得分,N表示数据集中的前景总个数,l[n]∈{0,1}表示第n类的图像级标签,对应图像中存在第n类则为1,反之为0;基于所述二值交叉熵损失值,获得所述特征图的初步类激活图,所述初步类激活图: 其中,表示全连接层F1中第n类的分类权重,Act表示非线性激活函数; 其中,Cnx表示初步类激活图;基于所述特征图和每个类别对应的所述初步类激活图,获得类别特征图;其中包括: 其中,表示元素级相乘,fi表示原特征图fx中第i个通道的子特征图,原特征图fx共有I个通道,[…]表示按通道拼接特征图,Cnx表示初步类激活图,fnx表示第n类的类别特征图;获取所述类别特征图的单标签多类别分类结果的损失值;其中包括:s′n=softmaxF2Pfnx其中,sn′[n]表示s′n中的第n个元素值,即第n类的分类得分,F2表示第二全连接层,P表示全局平均池化,fnx表示第n类的类别特征图;所述单标签多类别分类结果的损失值为: 其中,l[n]∈{0,1}表示第n类的图像级标签,对应图像中存在第n类则为1,反之为0,图像中总共N个类;sn′[n]表示s′n中的第n个元素值,即第n类的分类得分;基于所述二值交叉熵损失值与所述单标签多类别分类结果的损失值,获得所述特征图的类重新激活图;其中,基于所述二值交叉熵损失值与所述单标签多类别分类结果的损失值,获得整体损失值;根据整体损失值优化所述第一全连接层和所述第二全连接层的权重,并计算通道权重: 其中,表示元素级相加,表示第一全连接层中类别n对应的权重,表示第二全连接层中类别n对应的权重,表示通道权重;基于所述通道权重与所述特征图,获得所述类重新激活图: 其中,表示通道权重,Act表示非线性激活函数,fx表示特征图,表示第n类的类重新激活图;基于所述类重新激活图,获得所述待处理图像中各个像素的伪标签;获得包含所述伪标签的待处理图像;将所述包含所述伪标签的待处理图像输入到预设模型中,获得训练后的预设模型,并将所述训练后的预设模型作为语义分割模型。

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中国航空发动机研究院,其通讯地址为:101304 北京市顺义区顺兴路21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”。

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。