【技术实现步骤摘要】
本专利技术涉及语义分割，尤其涉及一种开放集语义分割方法、装置及电子设备。
技术介绍
1、开放集语义分割旨在识别超出训练数据范围的类别。与传统的语义分割相比，开放集语义分割构成了一个更实用且更具挑战性的场景。其中可能的语义类别或标签的集合在训练阶段并未预定义或限制。开放集场景为机器学习模型提供了处理未见输入的灵活性，增强了适应性和性能。它提高了模型在现实世界应用中的稳健性和稳定性。
2、尽管现有的模型在开放集语义分割方面取得了出色的性能，但所有模型仍然需要大量的高质量训练数据进行训练或微调，这无法有效且高效地适应计算资源有限的特定任务应用。
3、因此，如何基于少量样本实现开放集语义分割，降低模型优化的算法复杂程度是目前亟待解决的技术问题。
技术实现思路
1、本专利技术提供了一种开放集语义分割方法、装置及电子设备，以通过基于少量样本实现开放集语义分割，降低算法复杂程度。
2、根据本专利技术的一方面，提供了一种开放集语义分割方法，包括：
3、获取目...
【技术保护点】
1.一种开放集语义分割方法，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，在将所述图像样本输入至源域对应的待使用语义分割模型之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述视觉特征包括视觉特征向量。
4.根据权利要求3所述的方法，其特征在于，确定所述图像样本对应的文本标签特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述图像样本的数量为至少两个，在基于所述视觉特征和所述文本标签特征投影计算所述图像样本对应的特征相似度之前，还包括：
6.根据权利要求5所述的方法，其特征在...
【技术特征摘要】
1.一种开放集语义分割方法，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，在将所述图像样本输入至源域对应的待使用语义分割模型之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述视觉特征包括视觉特征向量。
4.根据权利要求3所述的方法，其特征在于，确定所述图像样本对应的文本标签特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述图像样本的数量为至少两个，在基于所述视觉特征和所述文本标签特征投影计算所述图像样本对应的特征相似度之前，还包...
【专利技术属性】
技术研发人员：张可颖，吴新桥，覃平，刘岚，卢铭翔，陈远，谢煜铨，吴滋坤，张宸瑞，沈家旭，
申请(专利权)人：南方电网数字电网科技广东有限公司，
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。