申请/专利权人：大连海事大学

申请日：2024-02-06

公开（公告）日：2024-04-30

公开（公告）号：CN117953222A

主分类号：G06V10/26

分类号：G06V10/26;G06V20/70;G06V10/774;G06V10/776;G06V10/74;G06V10/764;G06V10/44;G06V10/80;G06V10/82;G06N3/0464;G06N3/045;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明一种基于小样本的多类可用性语义分割方法，包括如下步骤：构建数据集，将数据集按照比例划分为训练集和测试集；其中训练集基于小样本的模型输入数据包含带掩码的支持集图像和目标图像查询集，同时根据可用性公开数据集构建了负样本集；构建小样本多类分割MC‑FSS模型，基于训练集数据对小样本多类分割MC‑FSS模型进行训练，得到训练好的小样本多类分割MC‑FSS模型；将测试集数据输入到训练好的小样本多类分割MC‑FSS模型中，得到最终的分割结果。本申请使用空间注意力SAM获取物体可用性间的相对位置关系；将结构先验模块和自支持结合，缩小待分割区域到物体对象再进一步用查询图自身特征引导分割。

主权项：1.一种基于小样本的多类可用性语义分割方法，其特征在于：包括如下步骤：S1、构建数据集，将数据集按照比例划分为训练集和测试集；其中训练集基于小样本的模型输入数据包含带掩码的支持集图像和目标图像查询集，同时根据可用性公开数据集构建了负样本集；S2、构建小样本多类分割MC-FSS模型，基于训练集数据对小样本多类分割MC-FSS模型进行训练，得到训练好的小样本多类分割MC-FSS模型；所述基于训练集数据对小样本多类分割MC-FSS模型进行训练，得到训练好的小样本多类分割MC-FSS模型的过程如下：S21、数据特征提取及处理：对输入的数据进行特征提取，通过预训练网络分别提取支持图像、查询图像和负样本图像的特征，S22、根据支持图像的特征和二分类掩码通过相乘和平均池化得到前景对象的特征信息，利用前景特征与查询图进行相似度计算和自注意力获得更关注于前景信息的查询图特征；S23、首先利用支持图像和多分类掩码进行相乘和平均池化方法获得多个类别的原型特征，然后经过自支持方法获得与查询图自身更相似的原型特征，将最终得到的原型特征与查询图进行相似性计算并插入到对应像素位置，通过金字塔ASPP，进行语义分割；S3:将测试集数据输入到训练好的小样本多类分割MC-FSS模型中，得到最终的分割结果。

全文数据：

权利要求：

百度查询： 大连海事大学 一种基于小样本的多类可用性语义分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD