一种跨模态弱监督的图像分割方法

本发明属于人工智能、深度学习、计算机视觉和图像分割内容技术领域，公开了一种跨模态弱监督的图像分割方法。本发明首先使用分类损失函数确定前景目标的大致区域，然后使用矫正损失函数对目标区域进行矫正。矫正方法可以扩大相关的前景区域，将更多的前景区域纳入考虑，并降低背景区域的噪声影响。为了减少文本和图像特征之间的差异，本发明还提出了一个双边提词注意模块来更新两个分支的特征，通过直接将两个分支的特征相乘来获得对应的伪标签。此外，针对具有多个文本描述的相同目标区域，本发明还提出了基于正样本的响应图选择策略，以选择最匹配的响应图来减少信息冗余。