- 1、本文档共11页,其中可免费阅读10页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
本发明属于计算机视觉领域,具体涉及一种基于双网络协同分割模型的图像语义分割方法,包括:建立构建双网络协同分割模型,对于带标签数据采用全监督学习的方式进行模型的训练,对于无标签数据采跨网络相互学习的方法进行半监督学习进模型的训练,将待分割的图像输入训练好的双网络协同分割模型,得到分割结果;本发明基于标签空间和特征空间的相互互补学习,实现了对大量无标签数据的高效利用和开发,缓解了目前全监督深度学习模型训练需要高质量、高成本、极耗时的标签需求,在保证分割模型的性能时进一步让模型的训练成本大大降低,并能
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116468888 A
(43)申请公布日 2023.07.21
(21)申请号 202310309481.3
(22)申请日 2023.03.28
(71)申请人 重庆邮电大学
地址 400065
文档评论(0)