摘要
本发明公开了一种基于自适应特征选择的单样本部件分割方法,该方法通过利用从DINOv2和SD中提取的特征表示建立上下文参考样例和测试图像之间的对应关系来实现部件分割。本发明包含一种新的自适应通道选择模块ACS来融合DINOv2和SD的特征。ACS能够在增强特征表示的可区分性的同时又不破坏DINOv2和SD原始的泛化性能。本发明不需要对模型进行任何训练或微调,具有适应性和泛化能力强以及数据效率高的特点,同时提升了分割性能,促进了相关应用的发展。
技术关键词
部件分割方法
特征选择
掩膜
语义特征
图像像素
通道
样本
聚类
超参数
符号
模块
度量
索引
标签
处理器
代表
关系
数据
系统为您推荐了相关专利信息
网络指纹识别
深度学习分类模型
多维特征数据
分类边界
置信度阈值
可视化导航方法
血栓
医学图像分割技术
特征选择
图像评估
高精度反演方法
土壤有机碳含量
斑块
特征选择方法
机器学习模型
圆弧特征
冗余
Canny算子
掩膜单元
图像采集单元
图像采集模块
智能打包
头戴显示器
形状上下文
头戴式显示器