一种基于图像级别标签的弱监督图像分割方法.pdfVIP

下载本文档

3
0
约1.85万字
约 14页
2023-08-02 发布于四川
举报
版权申诉

一种基于图像级别标签的弱监督图像分割方法.pdf

1、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。。
2、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。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

该发明公开了一种基于图像级别标签的弱监督图像分割方法，属于图像处理方法。现有的大部分弱监督分割方法都需要额外的任务或者显著图来帮助训练，而额外的任务会增加模型参数和训练时间，不同数据集的显著图的生成效果不一致。本发明提出的弱监督学习方法不需要额外的任务辅助，也不需要显著图，使用一种简单而有效的多层次分类网络产生高质量的类别激活图，而后使用类别概率图融合方法提升伪标签的质量，整个过程更为简洁高效。现有的大部分方法直接使用伪标签训练图像分割网络，忽略了伪标签中的噪声对分割模型性能的限制。利用三个模型

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116524194 A (43)申请公布日 2023.08.01 (21)申请号 202310591789.1 G06N 3/0895 (2023.01)