【技术实现步骤摘要】
本专利技术涉及图像分割领域，具体涉及一种基于mamba的超轻量图像分割方法及计算机装置。
技术介绍
1、传统的图像分割通常使用以卷积和transformer架构为代表的深度学习网络来实现。卷积具有出色的局部特征提取能力，但在建立远程信息的相关性方面存在不足。自注意力机制虽然可以解决利用连续贴片序列进行远程信息提取的问题，但也带来了较大的计算负荷。为了提高模型的分割性能，大多数方法倾向于使用添加更复杂的模块。而这并不适用于需要实际应用场景，特别是移动检测设备，由于计算资源的限制，计算负载的模型不适合真实的应用场景。
2、近年来，以mamba为代表的状态空间模型(ssms)已成为传统卷积神经网络和transformer架构的有力竞争对手。状态空间模型(ssms)在输入大小和内存占用方面显示出线性复杂性，这使得它们成为轻量级模型基础的关键。此外，ssms擅长捕获远程依赖关系，这可以关键地解决用于长距离提取信息的卷积问题。而在工业的检测上，通常需要考虑实际的计算能力和内存约束。
技术实现思路>
1、本专利技本文档来自技高网...
【技术保护点】
1.一种基于Mamba的超轻量图像分割方法，其特征在于，包括：
2.根据权利要求1所述的基于Mamba的超轻量图像分割方法，其特征在于，S3具体包括：
3.根据权利要求2所述的基于Mamba的超轻量图像分割方法，其特征在于，编码器训练过程还包括：
4.根据权利要求1所述的基于Mamba的超轻量图像分割方法，其特征在于，S3具体还包括：
5.根据权利要求1所述的基于Mamba的超轻量图像分割方法，其特征在于，跳跃连接通过注意力机制进行多层次、多尺度的信息融合具体包括：
6.根据权利要求5所述的基于Mamba的超...
【技术特征摘要】
1.一种基于mamba的超轻量图像分割方法，其特征在于，包括：
2.根据权利要求1所述的基于mamba的超轻量图像分割方法，其特征在于，s3具体包括：
3.根据权利要求2所述的基于mamba的超轻量图像分割方法，其特征在于，编码器训练过程还包括：
4.根据权利要求1所述的基于mamba的超轻量图像分割方法，其特征在于，s3具体还包括：
5.根据权利要求1所述的基于mam...
【专利技术属性】
技术研发人员：王玲，陈春霞，丑西平，孙宏波，晏杭坤，徐子翕，
申请(专利权)人：四川大学，
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。