【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种小样本语义分割模型的训练方法、装置、设备及介质。
技术介绍
1、图像语义分割是计算机视觉的基本任务之一，旨在利用图像的信息，实现像素级前景和背景的区分，即像素级语义理解。图像语义分割是图像识别和定位的基础，对于包括智慧教育、辅助医疗、虚拟现实图像识别、自动驾驶等在内的诸多领域具有重要的意义。然而，全监督语义分割需要大量像素级标注，数据集的制作比较困难，获取这些标注非常耗时且代价高昂，此外，训练好的模型只能在一组预定义的类别中进行预测，即对于新的类别的泛化能力极差。
2、现有技术中，各种用于小样本语义分割的深度学习方法仅利用支持图像和支持掩膜的信息作为查询图像预测的指导，而没有充分利用查询图像自身的信息。此外，在小样本语义分割领域的一些特征融合方法，如金字塔池化模型ppm或空洞空间金字塔池化aspp等特征融合方法只是简单地融合不同尺度的信息，不同尺度之间的特征信息交流不够充分，而且在特征融合过程中所产生的一些中间信息也没有合理的利用。因此，存在待改进之处。
技术实...
【技术保护点】
1.一种小样本语义分割模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的小样本语义分割模型的训练方法，其特征在于，所述对所述图像数据集进行特征提取处理，以生成图像特征信息的步骤包括：
3.根据权利要求2所述的小样本语义分割模型的训练方法，其特征在于，所述利用支持掩膜对所述支持特征进行掩膜平均池化处理，以生成支持原型的步骤包括：
4.根据权利要求1所述的小样本语义分割模型的训练方法，其特征在于，所述基于所述图像特征信息，对所述初始小样本语义分割模型进行训练，生成目标小样本语义分割模型的步骤包括：
5.根据权利要求...
【技术特征摘要】
1.一种小样本语义分割模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的小样本语义分割模型的训练方法，其特征在于，所述对所述图像数据集进行特征提取处理，以生成图像特征信息的步骤包括：
3.根据权利要求2所述的小样本语义分割模型的训练方法，其特征在于，所述利用支持掩膜对所述支持特征进行掩膜平均池化处理，以生成支持原型的步骤包括：
4.根据权利要求1所述的小样本语义分割模型的训练方法，其特征在于，所述基于所述图像特征信息，对所述初始小样本语义分割模型进行训练，生成目标小样本语义分割模型的步骤包括：
5.根据权利要求4所述的小样本语义分割模型的训练方法，其特征在于，所述计算查询特征与辅助特征之间相近关系，以生成所述查询图像的每一层特征的先验预测特征的步骤包括：
6.根据权利要求4所述的小样本语义分割模型的训练方法，其特征在于，所述将图像特征信...
【专利技术属性】
技术研发人员：胡昌隆，王雪雁，闫如根，江斌，邢星，王晨杨，
申请(专利权)人：合肥市正茂科技有限公司，
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。