【技术实现步骤摘要】
本申请涉及图像分割的，尤其是涉及多模态图像分割模型的训练方法和多模态图像分割方法。
技术介绍
1、随着自动驾驶技术的快速发展，图像分割技术成为了自动驾驶系统中不可或缺的一环。图像分割技术旨在将图像划分为多个具有明确语义的区域，从而实现对道路、车辆、行人等关键元素的准确识别。然而，在自动驾驶场景中，图像分割技术面临着诸多挑战，其中之一便是被遮挡区域的识别和预测。
2、在自动驾驶过程中，传感器（尤其是摄像头）可能会因为各种障碍物（如其他车辆、行人、树木、建筑物等）的遮挡，导致部分图像信息无法获取。这种遮挡情况在复杂多变的道路环境中尤为常见，给图像分割技术带来了极大的挑战，如果无法准确预测这些被遮挡的区域，实现图像的准确分割，自动驾驶系统的安全性和可靠性将受到严重影响。
技术实现思路
1、为了提高对遮挡区域的准确性预测，以及提高图像分割的准确性，本申请提供了多模态图像分割模型的训练方法和多模态图像分割方法。
2、第一方面，本申请提供了一种多模态图像分割模型的训练方法，采用
【技术保护点】
1.多模态图像分割模型训练方法，其特征在于，所述图像分割模型包括：用于预测被遮挡区域的第一图像预测子模型、用于分割图像的第一图像分割子模型，所述训练方法包括：
2.根据权利要求1所述的多模态图像分割模型训练方法，其特征在于，在执行第一采集的步骤之后，执行模型训练的步骤之前，还包括：
3.根据权利要求1或2所述的多模态图像分割模型训练方法，其特征在于，所述图像分割模型还包括用于分配权重的第一注意力子模型，在执行第一采集的步骤之后，执行模型训练的步骤之前，还包括：
4.根据权利要求3所述的多模态图像分割模型训练方法，其特征在于，在执行第...
【技术特征摘要】
1.多模态图像分割模型训练方法，其特征在于，所述图像分割模型包括：用于预测被遮挡区域的第一图像预测子模型、用于分割图像的第一图像分割子模型，所述训练方法包括：
2.根据权利要求1所述的多模态图像分割模型训练方法，其特征在于，在执行第一采集的步骤之后，执行模型训练的步骤之前，还包括：
3.根据权利要求1或2所述的多模态图像分割模型训练方法，其特征在于，所述图像分割模型还包括用于分配权重的第一注意力子模型，在执行第一采集的步骤之后，执行模型训练的步骤之前，还包括：
4.根据权利要求3所述的多模态图像分割模型训练方法，其特征在于，在执行第三训练的步骤之后，执行模型训练的步骤之前，还包括：
5.根据权利要求4所述的多模态图像分割模型训练方法，其特征在于，在执行数据更...
【专利技术属性】
技术研发人员：安学波，马国辉，常辉辉，邢存培，韩敏，徐利，
申请(专利权)人：山东信达物联应用技术有限公司，
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。