CN119339381B 一种基于少样本的图像语义分割方法及系统 （山东大学）_第1页
CN119339381B 一种基于少样本的图像语义分割方法及系统 （山东大学）_第2页
CN119339381B 一种基于少样本的图像语义分割方法及系统 （山东大学）_第3页
CN119339381B 一种基于少样本的图像语义分割方法及系统 （山东大学）_第4页
CN119339381B 一种基于少样本的图像语义分割方法及系统 （山东大学）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于少样本的图像语义分割方法及系统本发明公开了一种基于少样本的图像语义利用预处理后的图像对图像语义分割模型进行2通过特征交互和多层融合捕捉初步融合特征中信息之间的相关性的具将初步融合特征与掩膜结合，生成特定于目标的支持特征，同时支持特征与查询图像的方向特征进行交互，进行余弦相模型训练模块，被配置为构建图像语义分割模型，利用预处理后的图像3通过特征交互和多层融合捕捉初步融合特征中信息之间的相关性的具将初步融合特征与掩膜结合，生成特定于目标的支持特征，同时支持特征与查询图像的方向特征进行交互，进行余弦相模型优化模块，被配置为利用损失函数评估输出图像与实际标签图像设备的处理器加载并执行权利要求1_6中任一项所述的基于少样本的图像语4[0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技多层融合捕捉初步融合特征中信息之间的相关性，并利用递归增强机制迭代优化特征表[0011]利用损失函数评估输出图像与实际标签图像的差异，优化图像语义分割模型参5多层融合捕捉初步融合特征中信息之间的相关性，并利用递归增强机制迭代优化特征表如本发明第一方面所述的基于少样本的图像语67[0054]用于通过计算图片中每个像素点的均值和方差建立背景[0060]本实施例通过对图像中每个像素的均值和方差进行计算，构建了详细的背景模8程。图像语义分割模型设计了HLFFFA模块通过分离高频和低频成分来增强目标特征的表[0068]S2.1.1：在特征提取的过程中，本实施例设计了高低频特征融合注意力模块过步长为2的7×7卷积核进行初步处理，得到的特征图大小为119×119×128，能够提取出9。[0083]其中，Firwaw是通过将掩膜M与进行逐元素相乘得到的，这样可以突出目标[0091]其中，本实施例设计递归余弦融合模块（RecursiveCosineFusionModule，RCFM如图4所示，RCFM模块通过将支持图像特征与掩膜结合，生成特定于目标的支持特征，同时以双分支方式处理查询图像：一个分支通过正向特征融合模块（Directional，[0115]另外为了全面评估模型的性能，本实施例采用了多个评价指标来量化其分割效[0117]本发明的语义分割算法能够有效地优化无人驾驶技术，在保障系统实时性的同多层融合捕捉初步融合特征中信息之间的相关性，并利用递归增强机制迭代优化特征表如本发明实施例一所述的基于少样本的图像语需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论