利用稀疏标注数据集训练实例分割神经网络模型的方法

摘要

本发明公开了利用稀疏标注数据集训练实例分割神经网络模型的方法，通过设计两阶段训练策略，在初始阶段和精修阶段通过不同的方式补充缺失的负样本，逐渐提供可靠的负样本监督信号，进而提升神经网络模型的判别能力。本发明解决了在稀疏标注数据的情况下，避免神经网络模型在训练的过程中被误导的问题，并使得神经网络模型具备一定的抗干扰能力。