买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门大学申请的专利一种伪标签质量解耦与修正的半监督实例分割方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119810442B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411868829.3，技术领域涉及：G06V10/26；该发明授权一种伪标签质量解耦与修正的半监督实例分割方法及系统是由曹刘娟;林将航;卢轶霖;纪荣嵘设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本一种伪标签质量解耦与修正的半监督实例分割方法及系统在说明书摘要公布了：本发明公开了一种伪标签质量解耦与修正的半监督实例分割方法及系统，方法包括以下步骤：教师模型处理未标注图像并生成预测结果；通过解耦的双阈值机制过滤预测结果，保留满足条件的预测结果作为实例伪标签；对实例伪标签进行动态实例类别修正，得到修正伪标签；结合预测结果和修正伪标签构建损失函数，训练用于进行实例分割的学生模型。本发明通过解耦的双阈值过滤机制、动态实例类别修正模块及像素级掩码不确定性感知机制，独立控制伪标签的类别与掩码质量，有效减少半监督实例分割任务中伪标签噪声带来的影响；本发明尤其适用于需要利用大规模未标注数据提升图像理解方面的有效性的半监督场景，其显著提升了半监督实例分割的性能。

本发明授权一种伪标签质量解耦与修正的半监督实例分割方法及系统在权利要求书中公布了：1.一种伪标签质量解耦与修正的半监督实例分割方法，其特征在于，包括以下步骤： 教师模型处理未标注图像并生成预测结果； 通过解耦的双阈值机制过滤预测结果，保留满足条件的预测结果作为实例伪标签； 对实例伪标签进行动态实例类别修正，得到修正伪标签； 结合预测结果和修正伪标签构建损失函数，训练用于进行实例分割的学生模型； 所述预测结果包括类别质量和掩码质量，分别表示为： 其中，Ck表示第k个实例的类别质量，xk表示第k个实例的类别预测的logit值，N表示类别数量；Mk表示第k个实例的掩码质量，HW表示掩码中所有像素的总数，表示第k个实例中每个像素的掩码logit值，σ表示sigmoid函数，表示掩码概率大于0.5的像素； 所述通过解耦的双阈值机制过滤预测结果，具体通过设置类别质量阈值ct和掩码质量阈值mt来实现过滤，表示为： 只有满足条件的实例伪标签Ci,Mi才会被保留用于学生模型的训练； 所述对实例伪标签进行动态实例类别修正，对于每个伪标签Ci,Mi的类别修正包括以下步骤： 从掩码Mi中提取图像块将该图像块输入CLIP的视觉编码器CLIPV； 将类别的文本描述输入CLIP的文本编码器CLIPT； 基于CLIP的输出计算类别的相似性概率分布表示为： 将类别的相似性概率分布与教师模型生成的类别概率分布进行加权融合，得到最终的类别修正概率分布表示为： 其中，权重w随着训练迭代次数衰减； 基于最终的类别修正概率分布选择伪标签的修正类别表示为： 其中，argmax表示获取概率分布概率值最大的类别； 所述结合预测结果和修正伪标签构建损失函数，所述损失函数包括未标注数据损失Lunsup，表示为： 其中，表示分类损失，Q表示训练过程中预测的实例个数，表示匈牙利算法匹配选择预测中第k个实例的最佳的匹配的伪标签，是学生模型对第k个实例第i′类预测类别概率，表示经过匈牙利匹配选择的伪标签修正类别； 表示掩码损失，是学生模型对第k个实例第i个像素的预测掩码概率，是经过匈牙利算法匹配选择的最优掩码伪标签；表示教师模型对每个像素的掩码预测概率的不确定性，表示经过匈牙利算法匹配选择的不确定性，表示教师模型对每个像素的掩码预测概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门大学，其通讯地址为：361000 福建省厦门市思明南路422号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。