【技术实现步骤摘要】
本公开涉及图像处理，尤其涉及一种超分图像分割模型的训练方法及装置。
技术介绍
1、超高分辨率图像分割对于医疗影像分析、自动驾驶车辆的视觉系统以及遥感图像处理具有重要意义。超分辨率图像分割的要求越来越高，对算法的效率，尤其是显存占用提出了严峻的挑战。目前的方法要么是对超分图下采样，要么是切成小块处理。这两种方法中，局部细节或者全局信息的丢失限制了分割的精度，同时大量消耗计算资源，并导致处理速度大幅下降。
技术实现思路
1、有鉴于此，本公开实施例提供了一种超分图像分割模型的训练方法、装置、电子设备及计算机可读存储介质，以解决现有技术中超高分辨率图像分割信息丢失的问题。
2、本公开实施例第一方面，提供了一种超分图像分割模型的训练方法，包括：构建第一分割网络、自适应网络和第二分割网络，利用第一分割网络、两个自适应网络和第二分割网络构建超分图像分割模型；将训练图像输入超分图像分割模型，在超分图像分割模型内部：通过第一分割网络处理训练图像，得到第一训练分割图像、训练浅层特征、训练深层特征和...
【技术保护点】
1.一种超分图像分割模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过所述第一分割网络处理所述训练图像，得到第一训练分割图像、训练浅层特征、训练深层特征和训练局部特征，包括：
3.根据权利要求1所述的方法，其特征在于，通过第一个自适应网络处理所述训练浅层特征和所述训练深层特征，得到第一训练自适应特征，包括：
4.根据权利要求1所述的方法，其特征在于，通过第二个自适应网络处理所述第一训练自适应特征和所述训练局部特征，得到第二训练自适应特征，包括：
5.根据权利要求1所述的方法，其特征在于，通...
【技术特征摘要】
1.一种超分图像分割模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过所述第一分割网络处理所述训练图像，得到第一训练分割图像、训练浅层特征、训练深层特征和训练局部特征，包括：
3.根据权利要求1所述的方法，其特征在于，通过第一个自适应网络处理所述训练浅层特征和所述训练深层特征，得到第一训练自适应特征，包括：
4.根据权利要求1所述的方法，其特征在于，通过第二个自适应网络处理所述第一训练自适应特征和所述训练局部特征，得到第二训练自适应特征，包括：
5.根据权利要求1所述的方法，其特征在于，通过所述第二分割网络处理所述第二训练自适应特征和所述训练浅层特征，得到第二训练分割图像，包括：
6.根据权利要求1所述的方法，其...
【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。