公开(公告)号：CN109255790A

公开(公告)日：2019-01-22

申请号：CN201810840007.2

申请日：2018-07-27

Applicant: 北京工业大学

Inventor： 青晨 ,  禹晶 ,  肖创柏 ,  段娟

IPC: G06T7/10 ,  G06K9/62 ,  G06N3/04

Abstract: 一种弱监督语义分割的自动图像标注方法，利用图像目标检测方法定位出目标边框，并给出语义标签，将目标边框和语义标签作为一种弱监督的图像级别语义标注，利用传统的图像分割方法，分割出完整的目标区域，生成用于训练分类网络的分割模板。然后，将分割模板作为监督信号对分类网络进行训练。最后用训练好的分类网络对测试图像进行语义分割。本发明的技术方案利用目标检测方法，获得图像中目标的边框和语义标签，利用传统的图像分割方法，分割出目标区域，并结合语义标签，将其作为弱监督语义分割的训练样本。这是一种自动生成弱监督语义分割训练样本的方法，解决人工标注大量图像耗时费力的问题。

公开(公告)号：CN111292330A

公开(公告)日：2020-06-16

申请号：CN202010082637.5

申请日：2020-02-07

Applicant: 北京工业大学

Inventor： 青晨 ,  禹晶 ,  杨亚飞 ,  肖创柏

IPC: G06T7/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供一种基于编解码器的图像语义分割方法及装置，该方法包括：将待检测图像输入至预设的图像语义分割网络模型的编码器，利用卷积网络提取特征后，分别输入多个不同尺寸池化层，根据多个不同尺寸池化层的输出结果进行特征融合，得到待检测图像的高层语义特征图；将特征图输入图像语义分割网络模型的解码器，得到语义分析的检测结果；其中，图像语义分割网络模型根据带有确定的语义标签的样本图像进行训练后得到。由于多个不同尺寸池化层融合了局部和全局信息，多尺度的感受域有助于不同尺寸目标的学习，从而能够得到准确的待检测图像的高层语义特征图。利用解码器进行分析后，得到语义分析的检测结果中目标边界的分割精度更高。