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！

龙图腾网获悉武汉大学申请的专利一种基于深度学习的语义分割图像数据自动打标签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：CN115909333B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211402966.9，技术领域涉及：G06V20/70；该发明授权一种基于深度学习的语义分割图像数据自动打标签方法是由汪璠;邓胜利;夏苏迪;朱伟杰;钱倩文;许家辉;贾哲宇;段文豪;姚苏梅设计研发完成，并于2022-11-10向国家知识产权局提交的专利申请。

本一种基于深度学习的语义分割图像数据自动打标签方法在说明书摘要公布了：本发明公开了一种基于深度学习的语义分割图像数据自动打标签方法。采用多尺度语义分割标签文件生成网络生成大量的语义分割标签文件和每个标签文件的质量得分，然后通过得分筛选出高质量的语义分割标签文件，最后使用标签文件轻量化算法使得数据集更轻，实现语义分割图像数据自动打标签。本发明通过将深度学习与多边形逼近算法融合，可以有效地生成大量高精度的语义分割图像数据。

本发明授权一种基于深度学习的语义分割图像数据自动打标签方法在权利要求书中公布了：1.一种基于深度学习的语义分割图像数据自动打标签方法，其特征在于，包括以下步骤： 步骤1，采集大量的无标签图像，将其分为数量不等的少量无标签图像和大量无标签图像两组，并对这两组图像进行均值灰度化、统一尺寸预处理操作，得到预处理后的少量无标签图像和预处理后的大量无标签图像； 将采集的尺寸为的图像分成少量无标签图像和大量无标签图像两组，并对采集的全部无标签图像进行均值灰度化，然后将均值灰度化后的少量无标图像和大量无标签图像缩放为的大小，若，则缩放系数，若，则缩放系数，并使用最邻近插值算法为缩放后的图像重新赋值，如果缩放后图像的长或者宽有一个不足，则采用像素值为0的点将其补齐为； 步骤2，对步骤1中预处理后的少量无标签图像进行人工标注，得到少量有标签的图像数据集； 使用不规则矩形对步骤1中少量预处理后的无标签图像进行人工标注，将该不规则矩形的全部坐标点保存在JSON文件中，每幅无标签图像对应一个JSON文件，将少量预处理后的无标签图像和对应的JSON文件放在同一个文件夹中，记为少量有标签的图像数据集； 步骤3，构建多尺度语义分割标签文件生成网络，并使用coco数据集进行训练，得到coco数据集的预训练模型； 多尺度语义分割标签文件生成网络是将ResNet-50与特征金字塔相结合，用以提取图像中的高级特征，形成五层的特征金字塔，并将后两层的特征图相减，得到多尺度特征图，接着将多尺度特征图经过多次卷积操作得到深度卷积特征图，然后将深度卷积特征图进行池化，再分别输入两个全连接层，得到语义分割的目标类别和语义分割的目标轮廓，并将得到的语义分割目标类别和语义分割目标轮廓存入JSON文件中，该JSON文件记为标签文件，最后将多尺度特征图和深度卷积特征图相加，得到标签文件质量得分特征图，并将语义分割质量得分特征图经过多次卷积、池化操作，再经过一个全连接层，得到标签文件的质量得分； 步骤4，使用迁移学习将coco数据集的预训练模型中的参数迁移到构建的多尺度语义分割标签文件生成网络中，然后使用步骤2中的少量有标签的图像数据集进行训练，得到训练好的多尺度语义分割标签文件生成网络； 步骤5，使用步骤4训练好的多尺度语义分割标签文件生成网络对步骤1中的预处理后的大量无标签图像进行自动打标签和打分，保留得分高的标签文件，记为高质量标签文件； 步骤6，使用语义分割标签文件轻量化算法对步骤5中得到的高质量标签文件进行轻量化，得到轻量化高质量语义分割标签文件，并与步骤1中采集的大量无标签图像进行一一对应，形成轻量化的高质量语义分割数据集，实现基于深度学习的语义分割图像数据自动打标签。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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。