買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廣東工業大學申請的專利基于超像素主動學習和半監督學習策略的圖像瑕疵分割方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114758133B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210468960.5，技術領域涉及：G06V10/26；該發明授權基于超像素主動學習和半監督學習策略的圖像瑕疵分割方法是由程良倫;胡文韜;吳文昊;黃國恒設計研發完成，并于2022-04-29向國家知識產權局提交的專利申請。

本基于超像素主動學習和半監督學習策略的圖像瑕疵分割方法在說明書摘要公布了：本發明涉及工業機器視覺領域，公開了基于超像素主動學習和半監督學習策略的圖像瑕疵分割方法，包括以下步驟：S1.得到圖像數據集；S2.將圖像數據集進行超像素處理，將每張圖像的像素聚類成像素組；S3.通過主動學習策略選取有標注有價值的像素組，并由專家標注有標注價值的像素組對應的圖像；S4.構建雙分支半監督語義分割模型，將標注好的圖像集和未標注的圖像集分別輸入至雙分支半監督語義分割模型進行訓練；S5.將待預測的圖像輸入至訓練好的雙分支半監督語義分割模型，得到待預測的圖像的瑕疵分割結果。本發明解決了現有技術難以獲得一個完整標注的大數據集進行全監督學習的問題，且具有樣本需求量小，精度高的特點。

本發明授權基于超像素主動學習和半監督學習策略的圖像瑕疵分割方法在權利要求書中公布了：1.基于超像素主動學習和半監督學習策略的圖像瑕疵分割方法，其特征在于：包括以下步驟：S1.采集若干個含有瑕疵的圖像并制作成圖像數據集；S2.將圖像數據集進行超像素處理，將每張圖像的像素聚類成像素組；所述的主動學習策略，具體為：A1.隨機選取圖像數據集中一部分圖像進行標注，并將標注的圖像組成種子圖像集A2.通過種子圖像集分別訓練一個全監督語義分割模型和一個成本預測模型；A3.將圖像數據集中未標注的圖像依次輸入至訓練好的全監督語義分割模型和成本預測模型，并輸出每張圖像的瑕疵分割結果和成本預測結果圖；A4.將瑕疵分割結果通過價值估算得到圖像數據集中圖像的標注價值分布圖，并與對應的成本預測結果圖融合，得到融合信息圖；A5.選取每張融合信息圖中信息量高于預設閾值的像素組，標記在原圖上并交由專家進行標注，將標注后的圖像加入至種子圖像集；A6.重復步驟A2~A5，直到用盡專家標注預算，并將此時的種子圖像集作為標注好的圖像集S3.通過主動學習策略選取有標注價值的像素組，并由專家標注有標注價值的像素組對應的圖像，得到標注好的圖像集；將瑕疵分割結果通過價值估算得到圖像數據集中圖像的標注價值分布圖，并與對應的成本預測結果圖融合，得到融合信息圖，具體步驟為：B1.通過價值估算公式得到圖像數據集中圖像的像素點的信息熵： 其中，（x,y）為像素點、為圖像數據集中的圖像、為瑕疵分割結果，像素點屬于瑕疵的概率、為像素點的信息熵；B2.組合圖像數據集中圖像中的每一個像素點，得到標注價值分布圖 其中，Vi為標注價值分布圖；B3.將對應的標注價值分布圖與成本預測結果圖進行融合，得到融合信息圖；S4.構建雙分支半監督語義分割模型，將標注好的圖像集和未標注的圖像集分別輸入至雙分支半監督語義分割模型進行訓練；S5.將待預測的圖像輸入至訓練好的雙分支半監督語義分割模型，得到待預測的圖像的瑕疵分割結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣東工業大學，其通訊地址為：510090 廣東省廣州市越秀區東風東路729號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。