【技术实现步骤摘要】
本申请涉及人工智能领域，特别是涉及一种图像分割模型的训练方法、装置及图像分割方法。
技术介绍
1、随着科技的不断发展，人工智能被应用于人们工作和生活的各方各面。人工智能的一个分支是机器学习，机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
2、在一些特定的场景下，例如在一张医学图像中将器官或病灶的区域分割出来，或者在一张照片中将人物从背景中分割出来。为了对图像进行分割，一些图像分割模型被训练了出来。但是通过现有技术训练出的图像分割模型在分割一些图像时的分割精度较差。
3、因此，如何训练出精度更高的图像分割模型成为了本领域技术人员亟需解决的技术问题。
技术实现思路
1、基于上述问题，本申请提供了一种图像分割模型的训练方法、装置及图像分割方法以解决现有技术训练出的图像分割模型对一些图像的分割精度较低的问题。
2、本申请提供了一种图像分割模型的训练方法，所述方法包括：
3、构建...
【技术保护点】
1.一种图像分割模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述第一特征提取结果、所述单模态融合结果和所述分割标签得到对比损失包括：
3.根据权利要求2所述的方法，其特征在于，一个训练所述图像分割模型的轮次使用N张样本图像，所述样本图像包括M个模态，所述利用第一相似度、第二相似度和所述分割标签得到对应于所述模态的第二对比损失包括：
4.根据权利要求2所述的方法，其特征在于，所述方法进一步包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述第一特征提取结果和所述特征融合结果...
【技术特征摘要】
1.一种图像分割模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述第一特征提取结果、所述单模态融合结果和所述分割标签得到对比损失包括：
3.根据权利要求2所述的方法，其特征在于，一个训练所述图像分割模型的轮次使用n张样本图像，所述样本图像包括m个模态，所述利用第一相似度、第二相似度和所述分割标签得到对应于所述模态的第二对比损失包括：
4.根据权利要求2所述的方法，其特征在于，所述方法进一步包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述第一特征提取结果和所述特征融合结果进行空间层面的融合得到空间融合结果，以及，将所述第一特征提取结果和所述特征...
【专利技术属性】
技术研发人员：马晨阳，曲昭伟，王晓茹，余龙龙，邓博文，刘明时，卞德昕，李梅芳，
申请(专利权)人：北京邮电大学，
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。