← 返回列表

多模态图像分割模型的训练方法和多模态图像分割方法

申请号: CN202410121532.4
申请人: 安徽大学
申请日期: 2024/1/30

摘要文本

本申请涉及一种多模态图像分割模型的训练方法和多模态图像分割方法,其中,该训练方法包括:获取训练样本集,训练样本包括源域真实图及其分割标签和、目标域真实图;通过源域真实图和目标域真实图,对图像转换模块进行训练,并通过图像转换模块得到源域生成图及其特征图、目标域生成图及其特征图、源域真实图和目标域真实图的特征图;通过训练样本集、源域生成图及其特征图、目标域生成图及其特征图、源域真实图和目标域真实图的特征图,对图像分割模块进行训练。解决了目前基于半监督学习的多模态图像分割方法中,当目标域的生成图和真实图之间存在较大的数据分布差异时,半监督学习的有效性会受到影响,最终影响图像分割效果的问题。

专利详细信息

项目 内容
专利名称 多模态图像分割模型的训练方法和多模态图像分割方法
专利类型 发明申请
申请号 CN202410121532.4
申请日 2024/1/30
公告号 CN117649422A
公开日 2024/3/5
IPC主分类号 G06T7/11
权利人 安徽大学
发明人 杜秀全; 章旭
地址 安徽省合肥市经济技术开发区九龙路111号

专利主权项内容

1.一种多模态图像分割模型的训练方法,其特征在于,所述多模态图像分割模型包括图像转换模块和基于半监督学习的图像分割模块,所述训练方法包括:获取训练样本集,所述训练样本包括源域真实图及其分割标签、目标域真实图;通过所述源域真实图和所述目标域真实图,对所述图像转换模块进行训练,并通过所述图像转换模块得到源域生成图及其特征图、目标域生成图及其特征图、所述源域真实图和所述目标域真实图的特征图;通过所述训练样本集、源域生成图及其特征图、目标域生成图及其特征图、所述源域真实图和所述目标域真实图的特征图,对所述图像分割模块进行训练。。 (更多数据,详见马克数据网)