【技术实现步骤摘要】
本专利技术涉及图像分割，特别涉及基于像素相关性损失函数的图像分割方法、装置及相关介质。
技术介绍
1、图像分割是计算机视觉领域的一个重要问题，其目标是将图像分割成不同的区域或对象，从而实现对图像中不同区域的理解和分析。这一技术在医学图像分析、自动驾驶、物体识别等多个领域都有广泛的应用。近年来，深度学习方法已经在图像分割中取得了显著的突破，尤其是在语义分割任务中。语义分割的目标是在像素级别对图像中的对象进行分类，这要求分割模型需要具有较高的分割精度。
2、虽然深度学习方法通过卷积神经网络(cnn)等技术在图像分割任务中表现出卓越的性能，取得了重大的研究进展。但是仍然存在一些挑战。其中之一便是深度学习方法未能充分考虑特征层内像素点之间的语义相关性。这导致现有的分割模型只能生成较为粗糙的分割边界，而无法实现精细的分割。现有技术提出在目标边界利用欧式距离来考虑像素的潜在信息，但这种方法存在一定的局限性，例如在增量学习场景中，该方法只考虑目标边界的像素是不足以对抗灾难性遗忘的，因为在增量学习的应用下，背景的像素点也可能是未来出现的类别...
【技术保护点】
1.一种基于像素相关性损失函数的图像分割方法，其特征在于，包括：
2.根据权利要求1所述的基于像素相关性损失函数的图像分割方法，其特征在于，所述提取所述特征图中每一通道的像素点，并基于不同像素点之间的语义相关性构建目标损失函数，包括：
3.根据权利要求2所述的基于像素相关性损失函数的图像分割方法，其特征在于，还包括：
4.根据权利要求3所述的基于像素相关性损失函数的图像分割方法，其特征在于，还包括：
5.根据权利要求4所述的基于像素相关性损失函数的图像分割方法，其特征在于，还包括：
6.根据权利要求5所述的基...
【技术特征摘要】
1.一种基于像素相关性损失函数的图像分割方法，其特征在于，包括：
2.根据权利要求1所述的基于像素相关性损失函数的图像分割方法，其特征在于，所述提取所述特征图中每一通道的像素点，并基于不同像素点之间的语义相关性构建目标损失函数，包括：
3.根据权利要求2所述的基于像素相关性损失函数的图像分割方法，其特征在于，还包括：
4.根据权利要求3所述的基于像素相关性损失函数的图像分割方法，其特征在于，还包括：
5.根据权利要求4所述的基于像素相关性损失函数的图像分割方法，其特征在于，还包括：
6.根据权利要求5所述的基于像素相关性损失函数的图像分割方法，其特征在于，所述提取所述特征图中每一通道的像素点，并基于...
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。