一种半监督学习的图像分割方法、系统及终端
基本信息
| 申请号 | CN202111082414.X | 申请日 | - |
| 公开（公告）号 | CN114022406A | 公开（公告）日 | 2022-02-08 |
| 申请公布号 | CN114022406A | 申请公布日 | 2022-02-08 |
| 分类号 | G06T7/00（2017.01）I;G06T7/12（2017.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06V10/764（2022.01）I;G06V10/774（2022.01）I;G06V10/82（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 周志勇;戴亚康;刘燕;耿辰;胡冀苏;钱旭升 | 申请（专利权）人 | 济南国科医工科技发展有限公司 |
| 代理机构 | 济南誉丰专利代理事务所（普通合伙企业） | 代理人 | 李茜 |
| 地址 | 250000山东省济南市高新区综合保税区港兴三路北段1号济南药谷研发平台区3号楼401房间 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本申请公开了一种半监督学习的图像分割方法、系统及终端，使用带标签图像的第一数据集对图像分割网络进行训练；将无标签图像的数据集输入训练后的图像分割网络获得无标签图像对应的伪标签数据集；合并伪标签数据集和初始带标签图像的数据集获得第二数据集；采用第二数据集再次训练图像分割网络，训练完成后输入下一批无标签图像数据集，进行预测产生伪标签。在每次产生伪标签并扩充至训练集之后，由于加入了新的训练数据，网络在不断地学习新的特征，直至最后得到一个训练好的分割网络。该方法实现了联合使用少量标记数据和大量未标记数据对分割网络进行有效训练，从而提升组织分割精度的目的，降低了深度学习图像分割方法对标签数据的依赖性。 |
