基于超像素主动学习和半监督学习策略的图像瑕疵分割方法

摘要

本发明涉及工业机器视觉领域，公开了基于超像素主动学习和半监督学习策略的图像瑕疵分割方法，包括以下步骤：S1.得到图像数据集；S2.将图像数据集进行超像素处理，将每张图像的像素聚类成像素组；S3.通过主动学习策略选取有标注有价值的像素组，并由专家标注有标注价值的像素组对应的图像；S4.构建双分支半监督语义分割模型，将标注好的图像集和未标注的图像集分别输入至双分支半监督语义分割模型进行训练；S5.将待预测的图像输入至训练好的双分支半监督语义分割模型，得到待预测的图像的瑕疵分割结果。本发明解决了现有技术难以获得一个完整标注的大数据集进行全监督学习的问题，且具有样本需求量小，精度高的特点。