项目简介：

在数字图像处理领域，图像分割是一个基础性难题。传统的图像分割方法，都是针对单幅图像进行分割，这种方式要么很难准确的分割图像，要么需要大量的人工交互，不适于大规模图像集的分割。为了解决这些问题，联合分割做为一种重要的弱监督图像分割方法被提了出来，相对于无监督的分割方法其分割精度更高，且其人力成本更低。因此可广泛应用于多媒体处理及计算机视觉高层应用中。但目前多目标联合分割方法存在着以下的不足：（1）由于现有的方法往往无法获得准确的一致性信息，从而造成了分割结果中过分割的现象；（2）由于现有的方法中主要采用了无监督的方法去利用一致性信息去指导最终的分割，从而造成了分割精度较低。

为了解决上述技术问题，本发明通过引入深层语义特征和提出一种分段式对象聚类来获得精确和富有语义信息的一致性信息来克服过分割现象；同时利用有监督的多示例多标签学习来替换原有方法中使用的无监督方法，在保证了本发明无需人工交互的基础上，大大提高了分割的精度，从而使得本发明有着较高的应用价值。(专利号2016109455849)

技术/产品创新性：

无

知识产权情况：

行业情况：

市场情况：

项目团队情况：