【技术实现步骤摘要】
一种记忆增强的图像分割方法和系统
[0001]本专利技术涉及图像分割领域,更具体地,涉及一种记忆增强的图像分割方法和系统。
技术介绍
[0002]语义分割是计算机视觉中很重要的一个方向,语义分割实现了图像像素级的分类,能够将一张图片按照类别的异同,将图像分为多个区域。传统的语义分割需要大量像素级标注的数据进行训练,因此目前通常使用小样本语义分割,顾名思义就是在只有少量像素级标注的数据也能获得较好的性能。
[0003]而现有技术中的小样本语义分割通常支持集中的样本是同时已知的,即所有样本会同时送到模型进行模型参数的学习。而在实际应用中,很难同时获取多个样本,更多时候样本是按照时间轴依次到来。在这种情况下,提出了在线小样本语义分割,旨在对顺序到达的新样本进行逐像素预测,模型在一个时间步长只能访问一个样本,而相应标注信息在下一个时间步出现。但是现有技术中的小样本语义分割仅侧重于如何对顺序到达的新样本进行常规预测,并未考虑到利用当前时刻之前到达的样本达到模型记忆增强的效果。
技术实现思路
[0004]本专利技术旨在克服上述现有技术的至少一种缺陷(不足),提供一种记忆增强的图像分割方法和系统,用于对按时间轴依次到达的样本图像进行图像分割,利用当前时刻之前到达的样本图像达到模型记忆增强的效果,提高模型预测的准确性。
[0005]本专利技术采取的技术方案是:
[0006]第一方面,提供一种记忆增强的图像分割方法,包括:
[0007]构建图像分割模型;
[0008]获取具有时间 ...
【技术保护点】
【技术特征摘要】
1.一种记忆增强的图像分割方法,其特征在于,包括:构建图像分割模型;获取具有时间轴顺序的若干个图像,所述图像包括样本图像和待测图像,每个样本图像对应一个真实标注;将若干个图像和样本图像对应真实标注按照时间轴顺序依次输入图像分割模型;其中:将当前时刻前所有样本图像和对应的真实标注作为原型进行存储;如果当前时刻图像为样本图像,则根据原型和当前时刻样本图像,通过变分推理得到当前时刻样本图像对应的特定参数的分布情况;根据当前时刻样本图像对应的特定参数的分布情况对图像分割模型的参数进行更新;将当前时刻样本图像输入更新后的图像分割模型,得到当前时刻样本图像的预测标注;如果当前时刻图像为待测图像,则将当前时刻待测图像输入当前时刻前的最新图像分割模型,得到当前时刻待测图像的预测标注。2.根据权利要求1所述的一种记忆增强的图像分割方法,其特征在于,所述将当前时刻前所有样本图像和对应的真实标注作为原型进行存储,具体包括:原型p
i
的定义为:p
i
=(z
i
·
i
);其中,x
i
为时刻i的样本图像,y
i
为样本图像x
i
对应的真实标注,z
i
为样本图像x
i
的特征,A表示K均值聚类方法。3.根据权利要求2所述的一种记忆增强的图像分割方法,其特征在于,还包括:构建原型存储器用于存储当前时刻前的所有样本图像得到的原型;原型存储器定义为:其中,t表示当前时刻,i表示时刻i,1≤i≤t
‑
1,p
i
表示时刻i的原型。4.根据权利要求3所述的一种记忆增强的图像分割方法,其特征在于,所述根据原型和当前时刻样本图像,通过变分推理得到当前时刻样本图像对应的特定参数的分布情况,具体包括:所述样本特定参数为当前时刻t的样本图像x
t
的分类器权重w
t
;根据变分推理得到计算公式:其中,表示预测的对数似然度,表示分类器权重w
t
的条件先验分布,t为当前时刻,为原型存储器,x
t
为当前时刻样本图像,y
t
为当前时刻样本图像x
t
对应的真实标注,表示分布和分布的KL测度,表示在分布下p(y
t
|x
t
,w
t
)分布的期望;使预测的对数似然度最大,则无限
接近于0,得到优化后的分布与先验分布无限接近;优化后的分布即为当前时刻样本图像对应的特定参数的分布。5.根据权利要求4所述的一种记忆增强的图像分割方法,其特征在于,还包括使用Transformer结构得到当前时刻样本图像对应的特定参数的分布,具体包括:将当前时刻样本图像x
t
、当前时刻样本图像x
t
对应的真实标注y
t
和原型存储器中存储的当前时刻前的原型输入Transformer结构,得到当前时刻样本图像对应的...
【专利技术属性】
技术研发人员:张磊,左利云,王宝艳,李欣,甄先通,
申请(专利权)人:广东石油化工学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。