【技术实现步骤摘要】
本专利技术属于图像分割，尤其是涉及一种图像分割模型的训练方法、图像分割方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、图像分割是计算机视觉领域中的重要研究方向，旨在将数字图像划分成若干个具有语义信息的区域，以实现对图像内容的理解和分析，图像分割在医学影像分析、自动驾驶系统、安防监控等领域具有广泛的应用前景。
3、近期视觉分割领域出现了一个名为sam(segment anything model)的通用分割大模型，该模型由图像编码器、提示编码器和掩码解码器三部分组成，通过由数据引擎得到的训练集进行模型训练而得到，有着zero-shot的能力，可以在不同下游任务中进行图像分割。尽管sam模型可以在不同下游任务中就进行图像分割，有着良好的通用性，但也面临着一系列的挑战和难点，具体表现在：虽然sam具有泛化性，但由于sam的训练数据集大部分是自然图像，对于其他领域的数据训练比较少，在特定下游任务上分割效果比较差，例如：在医学图像中的病灶分割中；sam对复杂场景...
【技术保护点】
1.一种图像分割模型的训练方法，其特征在于，包括：
2.如权利要求1所述的一种图像分割模型的训练方法，其特征在于，所述利用待训练的图像分割模型，获得分割的初始预测结果，具体为：基于样本图像，通过图像分割模型的图像编码器进行特征提取；基于提取的特征以及图像分割模型中提示编码器的输出，通过图像分割模型的掩码解码器，获得分割的初始预测结果。
3.如权利要求1所述的一种图像分割模型的训练方法，其特征在于，所述基于获得的不确定性估计图和熵图，通过融合获得困难概率图，具体为：对不确定估计图和熵图分别进行归一化处理，基于归一化处理后的不确定估计图和熵图，通过...
【技术特征摘要】
1.一种图像分割模型的训练方法，其特征在于，包括：
2.如权利要求1所述的一种图像分割模型的训练方法，其特征在于，所述利用待训练的图像分割模型，获得分割的初始预测结果，具体为：基于样本图像，通过图像分割模型的图像编码器进行特征提取；基于提取的特征以及图像分割模型中提示编码器的输出，通过图像分割模型的掩码解码器，获得分割的初始预测结果。
3.如权利要求1所述的一种图像分割模型的训练方法，其特征在于，所述基于获得的不确定性估计图和熵图，通过融合获得困难概率图，具体为：对不确定估计图和熵图分别进行归一化处理，基于归一化处理后的不确定估计图和熵图，通过加权求和，获得困难概率图。
4.如权利要求1所述的一种图像分割模型的训练方法，其特征在于，所述基于获得的困难概率图，生成基于高斯分布上下文的局部困难图像，具体为：基于困难概率图中每个像素点的概率值，采用加权平均的方式计算困难区域...
【专利技术属性】
技术研发人员：袭肖明，高金阳，刘瑞平，宁一鹏，任轶，张淑涵，张欣瑶，张起浩，李佳薇，乔立山，白诗佳，刘新锋，
申请(专利权)人：山东建筑大学，
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。