【技术实现步骤摘要】
本专利技术属于图像处理，尤其涉及一种多模态图像融合模型训练方法、系统和多模态图像融合方法。
技术介绍
1、多模态图像融合旨在融合由不同成像设备捕获到的不同模态源图像，得到的融合图像综合不同模态的优势，包含相较于源图像对更丰富的信息量，且能够在一定程度上抑制源图像中的噪声。多模态图像融合的融合图像可以广泛地用于促进多种下游任务，例如目标跟踪、目标检测、语义分割等，在实际应用中起到了重要作用。
2、传统的图像融合技术主要关注于单一模态的图像处理，以提高图像的清晰度或改善其表现形式。然而，这类方法通常无法处理或融合来自不同传感器的数据，如红外与可见光图像的融合，这限制了图像融合技术在实际应用中的广泛性和有效性。随着技术的进步，双模信息增强的图像融合方法应运而生。这种方法不仅关注传统的图像清晰度和视觉效果的提升，更重要的是，它能够处理并融合来自不同模态的信息，如红外图像与可见光图像的结合。红外图像能够显示物体的热分布情况，而可见光图像则提供丰富的颜色和细节信息。通过双模融合，可以在一个图像中同时获取温度信息和视觉细节，极大地增强了图...
【技术保护点】
1.一种多模态图像融合模型训练方法，其特征在于，包括：
2.根据权利要求1所述的多模态图像融合模型训练方法，其特征在于，所述根据第一融合图像确定教师网络的综合损失，包括：
3.根据权利要求1所述的多模态图像融合模型训练方法，其特征在于，所述根据教师网络的综合损失和动态更新损失训练教师网络，并将训练好的教师网络作为教师模型，包括：
4.根据权利要求1所述的多模态图像融合模型训练方法，其特征在于，所述根据第二融合图像确定学生网络的综合损失，包括：
5.根据权利要求1所述的多模态图像融合模型训练方法，其特征在于，所述确定学生网...
【技术特征摘要】
1.一种多模态图像融合模型训练方法，其特征在于，包括：
2.根据权利要求1所述的多模态图像融合模型训练方法，其特征在于，所述根据第一融合图像确定教师网络的综合损失，包括：
3.根据权利要求1所述的多模态图像融合模型训练方法，其特征在于，所述根据教师网络的综合损失和动态更新损失训练教师网络，并将训练好的教师网络作为教师模型，包括：
4.根据权利要求1所述的多模态图像融合模型训练方法，其特征在于，所述根据第二融合图像确定学生网络的综合损失，包括：
5.根据权利要求1所述的多模态图像融合模型训练...
【专利技术属性】
技术研发人员：徐天阳，邓杨林，程春阳，许亚骏，刘博，刘杨超，郜培军，吴小俊，
申请(专利权)人：江南大学，
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。