【技术实现步骤摘要】
本申请涉及计算机视觉处理，尤其涉及一种基于多模态的零样本图像分割模型训练方法及装置。
技术介绍
1、图像分割技术在计算机视觉和图像处理领域具有广泛的应用，例如可以利用图像分割技术将图像中的不同目标或物体从背景中分离、将图像中的不同区域进行分类或应用于监控系统的行为分析等。在图像分割模型的训练阶段往往需要接触到所有可能出现的目标类别的样本数据，才能准确地将图像中的像素分为不同的类别。
2、然而，在实际应用中，常常会遇到一些新的目标类别，而没有对应的样本数据可供训练，所以引入零样本分割算法，旨在解决分割任务中零样本问题，零样本分割算法可以通过使用已知类别的样本数据和与目标类别相关的辅助信息(如语义描述、属性特征等)，来学习一个模型，以使将图像中的像素与已知类别进行匹配，并利用辅助信息进行推理，从而将图像中未知类别像素分割出来。也正是因为分割模型在训练过程中没有接触到相关数据的样本，导致零样本图像分割模型对于新的物体或小物体的特征和形状不具备足够的理解能力，导致零样本图像分割模型对于包含未见过的物体类型和小物体的图像进行分割的输出结果不够准确。
3、因此，现有技术对于未见过的物体类型以及小物体的分割结果准确性不高的问题。
技术实现思路
1、有鉴于此，本申请实施例提供了一种基于多模态的零样本图像分割模型训练方法及装置，以解决现有技术中对于未见过的物体类型以及小物体的分割结果准确性不高的问题。
2、本申请实施例的第一方面，提供了一种基于多模态的零样本图像分
3、本申请实施例的第二方面，提供了一种基于多模态的零样本图像分割模型训练装置，包括：获取模块，被配置为获取图像训练集中的图像和提示词训练集中的提示词，提示词基于图像的内容确定；第一处理模块，被配置为将图像和提示词输入至基础分割模块中，利用图像编码器对图像进行处理，得到图像编码特征，利用提示词编码器对提示词进行处理，得到提示词编码特征；第一训练模块，被配置为将图像编码特征与提示词编码特征经过掩码解码器处理，得到对应的掩码，将掩码经过全连接层处理并计算第一损失函数，基于第一损失函数对基础分割模块进行训练，得到训练后的基础分割模块；第二处理模块，被配置为将图像输入至分割微调模块中，对图像分别进行跨模态处理和显著性检测处理，得到文本嵌入特征和显著特征图，将文本嵌入特征和显著特征图进行交叉注意力融合，得到第一融合特征图；第二训练模块，被配置为将第一融合特征图经过多层感知机和全连接层处理并计算第二损失函数，基于第二损失函数对分割微调模块进行训练，得到训练后的分割微调模块；第三处理模块，被配置为将训练后的基础分割模块和训练后的分割微调模块进行拼接，并连接交叉注意力融合模块和预设解码器，得到零样本图像分割模型；第三训练模块，被配置为将图像和提示词输入至零样本图像分割模型进行处理，并计算第三损失函数，基于第三损失函数对零样本图像分割模型进行训练，得到训练后的零样本图像分割模型。
4、本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
5、本申请实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
6、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
7、通过构建基础分割模块和分割微调模块，利用图像训练集和提示词训练集对基础分割模块进行训练，得到训练后的基础分割模块。利用图像训练集对分割微调模块进行训练得到训练后的分割微调模块，将训练后的基础分割模块与训练后的分割微调模块进行拼接，并连接交叉注意力融合模块与预设解码器，得到零样本图像分割模型，利用图像训练集和提示词训练集对零样本图像分割模型进行训练，得到训练后的零样本图像分割模型。在基础分割微调模块中的图像编码器中配置适配器模块，该适配器模块用于更新图像编码器的参数，这样通过适配器模块的参数更新从而对图像编码器进行训练，可以得到语义理解能力更强的图像编码器，通过图像与提示词对模型进行训练实现多模态对比效果，从而提升模型性能。使得训练后的零样本图像分割模型在对未见过的物体类型以及小物体时可以得到准确的分割结果。
本文档来自技高网...【技术保护点】
1.一种基于多模态的零样本图像分割模型训练方法，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，所述利用图像编码器对所述图像进行处理，得到图像编码特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述适配器模块对所述多头注意力层的输出进行处理，得到所述第二归一化层的输入，包括：
4.根据权利要求1所述的方法，其特征在于，所述利用提示词编码器对所述提示词进行处理，得到提示词编码特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述掩码经过全连接层处理并计算第一损失函数，基于所述第一损失函数对所述基础分割模块进行训练，得到训练后的基础分割模块，包括：
6.根据权利要求1所述的方法，其特征在于，所述将所述图像输入至分割微调模块中，对所述图像分别进行跨模态处理和显著性检测处理，得到文本嵌入特征和显著特征图，将所述文本嵌入特征和显著特征图进行交叉注意力融合，得到第一融合特征图，包括：
7.根据权利要求1所述的方法，其特征在于，所述将所述图像和所述提示词输入至所述零样本图像分割模型
8.一种基于多模态的零样本图像分割模型训练装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于多模态的零样本图像分割模型训练方法，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，所述利用图像编码器对所述图像进行处理，得到图像编码特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述适配器模块对所述多头注意力层的输出进行处理，得到所述第二归一化层的输入，包括：
4.根据权利要求1所述的方法，其特征在于，所述利用提示词编码器对所述提示词进行处理，得到提示词编码特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述掩码经过全连接层处理并计算第一损失函数，基于所述第一损失函数对所述基础分割模块进行训练，得到训练后的基础分割模块，包括：
6.根据权利要求1所述的方法，其特征在于，所述将所述图像输入至分割微调模块中，对所述图像分别进行跨模态处理和显著性检测处理，得...
【专利技术属性】
技术研发人员：石雅洁，
申请(专利权)人：深圳须弥云图空间科技有限公司，
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。