【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种用于雨天的无源在线跨域语义分割方法、系统、终端及计算机可读存储介质。
技术介绍
1、语义分割是计算机视觉中的一项关键任务，其广泛应用于自动驾驶、视障人士智能导盲和医学影像诊断等领域。目前，基于卷积神经网络和transformer的语义分割算法在有监督学习范式下取得了显著进展。但此类算法面对分布外的场景时，由于域差异的存在，其分割性能往往会显著降低。
2、然而，目前传统的基于无监督域适应的语义分割算法大都存在两个问题。首先，这些方法通常需要已知源域和目标域的完整信息，并在域适应过程中需要进行多个epoch的训练。其次，这些方法大多都假定一个特定目标域，且长期连续域适应能力有限。这使得这些方法难以应对现实世界的雨天场景中目标域完整信息未知、降雨强度连续变化、数据以流的形式到来以及源域因隐私或保密等原因可能无法访问等情况。
3、目前用于雨天的在线连续域语义分割算法大致分为基于自训练的方法、基于归一化的方法和基于风格迁移的方法。其中基于自训练的方法受伪标签质量的直接影响。并且在长期域适...
【技术保护点】
1.一种用于雨天的无源在线跨域语义分割方法，其特征在于，所述用于雨天的无源在线跨域语义分割方法包括：
2.根据权利要求1所述的用于雨天的无源在线跨域语义分割方法，其特征在于，所述将所述源域数据流和所述目标域数据流分别输入到源预训练模型进行计算，得到第一目标域类特征原型、源域每批图像的置信度和目标域每批图像的置信度，根据所述目标域每批图像的置信度得到先验模型，具体包括：
3.根据权利要求2所述的用于雨天的无源在线跨域语义分割方法，其特征在于，所述教师模型定义为学生模型的指数移动平均；
4.根据权利要求3所述的用于雨天的无源在线跨域语义...
【技术特征摘要】
1.一种用于雨天的无源在线跨域语义分割方法，其特征在于，所述用于雨天的无源在线跨域语义分割方法包括：
2.根据权利要求1所述的用于雨天的无源在线跨域语义分割方法，其特征在于，所述将所述源域数据流和所述目标域数据流分别输入到源预训练模型进行计算，得到第一目标域类特征原型、源域每批图像的置信度和目标域每批图像的置信度，根据所述目标域每批图像的置信度得到先验模型，具体包括：
3.根据权利要求2所述的用于雨天的无源在线跨域语义分割方法，其特征在于，所述教师模型定义为学生模型的指数移动平均；
4.根据权利要求3所述的用于雨天的无源在线跨域语义分割方法，其特征在于，所述根据所述第一归一化结果对所述先验预测结果进行去噪，得到去噪伪标签，具体包括：
5.根据权利要求4所述的用于雨天的无源在线跨域语义分割方法，其特征在于，所述根据所述第一归一化结果对所述先验预测结果进行去噪，得到去噪伪标签，之后还包括：
6.根据权利要求4所述的用于雨天的无源在线跨域语义分割方法，其特征在于，所述根据所...
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。