基于双重类别级对抗网络的图像语义分割方法
公开
摘要
本发明公开了一种基于双重类别级对抗网络的图像语义分割方法，属于深度学习技术领域。包括以下步骤：首先，利用类别级对抗网络基于局部语义类别一致性的思想，兼顾源域和目标域的边缘分布对齐和条件分布对齐，使得源域和目标域进行协同训练，根据不同的对齐效果来调整相应对抗损失的权重；其次，通过计算目标预测的信息熵值确定目标图像的置信水平，依据熵值大小将目标域划分为集合一和集合二；最后，利用集合一及其预测图作为伪标签，再次使用CLAN模型训练集合二图像，以减少域内差异，从而有效提升不同数据集间的自适应水平，提高算法的泛化性能。本发明基于多个数据集进行实验，验证了该方法的可行性，能够有效提高语义分割效率。
基本信息
专利标题 ：
基于双重类别级对抗网络的图像语义分割方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114612658A
申请号 ：
CN202210172502.7
公开（公告）日 ：
2022-06-10
申请日 ：
2022-02-24
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
琚艳刘斌
申请人 ：
南京工业大学
申请人地址 ：
江苏省南京市浦口区浦珠南路30号
代理机构 ：
南京经纬专利商标代理有限公司
代理人 ：
罗运红
优先权 ：
CN202210172502.7
主分类号 ：
G06V10/26
IPC分类号 ：
G06V10/26 G06V10/774 G06K9/62
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
