一种基于自适应像素点细分的半监督图像分割方法

本申请提供了一种基于自适应像素点细分的半监督图像分割方法，涉及计算机视觉与机器学习技术领域，包括：首先根据目标场景采集图像数据并进行预处理，划分训练集与测试集，并对部分数据进行标注。利用预设的语义分割模型进行初步分割，通过不确定性分析筛选关键像素点区域，并结合多尺度特征与迭代优化提升分割精度。构建教师‑学生模型框架，利用教师模型生成伪标签，筛选高置信度样本优化学生模型，同时对低置信度像素点引入对比学习策略，增强模型泛化能力。最终将待分割图像输入优化后的学生模型，输出类别矩阵并生成可视化分割结果，提升分割精度与边界细节表现，适用于标注数据有限的场景。