欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024117941449
申请人: 浙江工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于自适应聚类疑难点处理的无监督语义分割歧义消除方法,其特征在于,包括如下步骤:

1)特征提取:获取待分割的图像,选取分割网络,通过Backbone提取特征图;

2)自适应聚类:对步骤1)提取的特征图中的所有节点进行k-means聚类,聚类的k值即聚类数量,由轮廓系数决定,将特征图所有节点进行M次独立的k-means聚类,每个聚类表示图像中的一种语义类别;

3)聚类交流:将M组聚类结果进行统一,将每次结果中的每个聚类根据点的数量进行排序,相同的点数量及相似的点分布可以确定M次聚类结果中哪些聚类是属于图像中的同一种语义类别,合并同一类别的点到新的集合的同一聚类中;

4)疑难点处理器:筛选出在多次聚类中被分到不同类别中的点,统计这些点在M次聚类中被分到的聚类比例,根据比例对这个点进行聚类中心的特征拼接;

5)相似度图卷积:计算集合中每个点和其他点的余弦相似度,构造邻接矩阵,与经过backbone得到的特征向量进行图卷积,得到特征融合后的新特征向量;

6)分割:将新特征向量和原特征向量拼接,放回原分割网络进行后续分割,得到分割结果。

2.如权利要求1所述的一种基于自适应聚类疑难点处理的无监督语义分割歧义消除方法,其特征在于,步骤2)中每张图通过自适应方法选择k-means聚类的值来进行聚类,主要通过轮廓系数决定每张图片中最适合的聚类数量,k的取值范围为2-10,依次进行聚类,选取轮廓系数最大的一个k值作为聚类数量。

3.如权利要求1所述的一种基于自适应聚类疑难点处理的无监督语义分割歧义消除方法,其特征在于,经过Backbone得到的特征图F1,形状为H*W*C,H为特征图的长,W为特征图的宽,C为特征维度,调整为N*C,其中N=H*W,通过特征C将N个点进行聚类,经过聚类后得到的结果为K*N,K为聚类数。

4.如权利要求3所述的一种基于自适应聚类疑难点处理的无监督语义分割歧义消除方法,其特征在于,疑难点在筛选出来后会进行特殊的处理,将疑难点与被划分到的聚类中心进行拼接,修改疑难点的特征向量,聚类得到的K*N可以判断点是否属于哪个聚类,将同一聚类的点之间互相计算余弦相似度,作为邻接矩阵的值,以此构造出一个形状为N*N的邻接矩阵,与原始特征图F1进行图卷积,对原始特征进行优化得到新特征图F2。

5.如权利要求4所述的一种基于自适应聚类疑难点处理的无监督语义分割歧义消除方法,其特征在于,步骤6)的具体操作过程为将原始特征图F1和新特征图F2进行拼接,放回原分割网络的原位置,得到一个新的分割结果。