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！

龙图腾网获悉天府锦城实验室(前沿医学中心);四川大学申请的专利一种双分割头频率解耦学习与熵变化伪标签筛选相结合的半监督分割方法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：CN120635457B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202510800319.0，技术领域涉及：G06V10/26；该发明授权一种双分割头频率解耦学习与熵变化伪标签筛选相结合的半监督分割方法是由张蕾;吕建成;徐建国;张乐一;李佳怡;陈超越;黄伟;王利团设计研发完成，并于2025-06-16向国家知识产权局提交的专利申请。

本一种双分割头频率解耦学习与熵变化伪标签筛选相结合的半监督分割方法在说明书摘要公布了：本发明公开一种双分割头频率解耦学习与熵变化伪标签筛选相结合的半监督分割方法，应用于图像处理领域，针对现有半监督语义分割方法中，伪标签生成质量难以保障，且模型对于增强扰动反应单一，难以区分全局结构变化与局部细节变化，导致伪标签误差高，训练不稳定的问题；本发明学生模型采用双分割头结构，分别由原型预测头和线性预测头组成，并通过频域分解机制实现功能分工：原型头接收编码器低频成分特征，线性头接收编码器高频成分特征，针对无标签样本，在施加随机增强后，分别由教师模型两个分割头预测增强前后样本的类别分布，并计算平均预测熵的变化比率。基于增强前后熵变化比值，综合原型头与线性头的反应，共同评估增强后的预测稳定性。

本发明授权一种双分割头频率解耦学习与熵变化伪标签筛选相结合的半监督分割方法在权利要求书中公布了：1.一种双分割头频率解耦学习与熵变化伪标签筛选相结合的半监督图像分割方法，其特征在于，包括学生模型与教师模型，学生模型与教师模型均采用双分割头结构，双分割头结构具体包括原型头和线性头；学生模型与教师模型还包括相同结构的编码器与特征频域分离模块，输入数据经编码器处理后，得到的特征图经特征频域分离模块，分别得到低频特征图与高频特征图，低频特征图输入原型头，高频特征图输入线性头； 将有标签和无标签的数据同时输入到学生模型中，得到原型头预测结果与线性头预测结果； 所述教师模型还包括融合模块，将无标签数据及其增强后的同批数据分别输入到教师模型中，得到四个不同的分割预测结果，具体包括无标签数据的原型头预测结果和线性头预测结果，无标签数据增强后的同批数据的原型头预测结果和线性头预测结果；将这四个不同的分割预测结果输入融合模块，得到伪标签； 所述融合模块的实现过程为：分别计算教师模型中原型头与线性头各自输出增强前后数据的分割预测的熵变化的比例，若教师模型中原型头与线性头各自熵变化的比例均满足设定条件，则采用无标签数据增强后的同批数据的原型头预测结果和线性头预测结果生成伪标签，否则舍弃当前无标签数据增强后的同批数据。

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天府锦城实验室(前沿医学中心);四川大学，其通讯地址为：610000 四川省成都市高新区和民街387号附201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。