【技术实现步骤摘要】
本说明书涉及计算机视觉领域，尤其涉及基于图像识别模型的任务执行方法、装置、介质及设备。
技术介绍
1、随着计算机视觉领域的不断发展，可对图像进行识别的图像识别模型越来越多的被应用于各种任务中。例如，在自动驾驶任务中，图像分割模型即可对自动驾驶过程中采集设备采集到的车辆前方图像对图像中各像素点进行分类，以获取可行驶路面所在区域，从而执行自动驾驶任务。
2、然而，对于现有的图像识别模型，特别是涉及到图像分割、图像聚类、或图像特征匹配等问题的图像识别模型，这些模型在对图像进行处理时，往往需要根据模型中包含的相关性矩阵，又名亲和矩阵，获取图像中各像素点之间的关联程度，从而根据亲和矩阵提高图像识别模型的识别精度，但对于一些需要较高层级的亲和矩阵提高识别精度的图像识别模型，处于较高层级的相关性矩阵在对图像数据进行处理时会出现处理结果的相似性提高的问题，这影响了图像识别模型对图像的识别精度，降低了基于图像识别模型的任务的执行效率。
技术实现思路
1、本说明书提供一种基于图像识别模型的任务执行...
【技术保护点】
1.一种基于图像识别模型的任务执行方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，根据所述初始图像识别模型中包含的各网络层对应的亲和矩阵对所述类别激活映射图进行补偿，得到补偿后矩阵，具体包括：
3.如权利要求1所述的方法，其特征在于，针对所述样本图像中的每个像素点，根据该像素点与该像素点周边的各像素点之间的相关度，确定该像素点对应的相关性权重矩阵，具体包括：
4.如权利要求1所述的方法，其特征在于，针对所述样本图像中的每个像素点对，根据所述补偿后矩阵和该像素点对中两个像素点各自对应的相关性权重矩阵，确定该像素点对对...
【技术特征摘要】
1.一种基于图像识别模型的任务执行方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，根据所述初始图像识别模型中包含的各网络层对应的亲和矩阵对所述类别激活映射图进行补偿，得到补偿后矩阵，具体包括：
3.如权利要求1所述的方法，其特征在于，针对所述样本图像中的每个像素点，根据该像素点与该像素点周边的各像素点之间的相关度，确定该像素点对应的相关性权重矩阵，具体包括：
4.如权利要求1所述的方法，其特征在于，针对所述样本图像中的每个像素点对，根据所述补偿后矩阵和该像素点对中两个像素点各自对应的相关性权重矩阵，确定该像素点对对应的相关性标签，具体包括：
5.如权利要求4所述的方法，其特征在于，针对所述样本图像中的每个像素点，根据该像素点在所述补偿后矩阵中对应的值以及该像素点对应的相关性权重矩阵，确定出该像素点对应的预测相关性标签，具体包括：
6...
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。