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！

龙图腾网获悉北京顺势兄弟科技有限公司申请的专利显著性目标检测的混合监督训练方法、设备及存储介质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：CN115861118B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202211638434.5，技术领域涉及：G06T5/90；该发明授权显著性目标检测的混合监督训练方法、设备及存储介质是由黄强;张国锋;邵帆设计研发完成，并于2022-12-19向国家知识产权局提交的专利申请。

本显著性目标检测的混合监督训练方法、设备及存储介质在说明书摘要公布了：本发明实施例公开了一种显著性目标检测的混合监督训练方法，通过步骤利用有标签数据图像分别训练多个不同网络结构的显著性目标检测模型，划分无标签图像中的可靠像素和不可靠像素的判别器；将无标签的数据图像和精细标注的数据图像同时加载到待训练的显著性目标检测模型作为训练数据；对于有标签数据图像采用数据增广方法增加数据样本的多样性，对于无标签的数据图像调用训练的多个判别器分别得到图像对应的显著性预测结果；对像素可靠性划分；对有标签数据和无标签数据中的可靠像素进行模型混合监督训练，其通过对数据标签化，并通过模型对相应数据判别，增加数据样本多样性的方法将所有数据混合监督训练，提高模型的泛化能力。

本发明授权显著性目标检测的混合监督训练方法、设备及存储介质在权利要求书中公布了：1.一种显著性目标检测的混合监督训练方法，其特征在于，包括如下步骤： 利用精细标注的有标签数据图像分别训练多个不同网络结构的显著性目标检测模型，将得到的不同模型视为划分无标签图像中的可靠像素和不可靠像素的判别器； 将无标签的数据图像和精细标注的数据图像同时加载到待训练的显著性目标检测模型作为训练数据； 对于有标签数据图像采用数据增广方法增加数据样本的多样性； 对于无标签的数据图像调用训练的多个判别器分别得到图像对应的显著性预测结果，通过像素可靠性划分方法，标记出图像中的可靠像素； 采用交叉熵或二元交叉熵损失函数对有标签数据和无标签数据中的可靠像素进行模型混合监督训练； 其中，所述数据增广方法步骤如下： 对于任意一对数据样本，在已知图像前景和背景的情况下，仅对图像的前景采用颜色增强的方法进行调整； 背景颜色保持不变，从而进一步扩充数据样本的数量； 所述数据样本对包含图像I及其标签alpha，采用图像处理方法对图像I进行颜色增强，利用图像融合公式实现前景颜色变换，所述图像融合公式如下： Merge=I*1-alpha+C*alpha 式中：C代表图像整体颜色增强后的图像，Merge代表仅对前景进行颜色增强的图像。

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北京顺势兄弟科技有限公司，其通讯地址为：100085 北京市海淀区信息路甲28号D座06A-6194；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。