摘要
本发明提供一种基于统一信息流的掩码图像建模自监督学习方法及装置,方法包括:对自监督学习任务的待处理图像进行图像分块化得到等分像素块;调用特征编码器对等分像素块进行基于信息流的解耦处理,得到深层表征信息;基于分形空间填充曲线范式,对深层表征信息进行分形序列构建,得到分形序列表征信息,并调用特征解码器解码得到特征预测值;将特征预测值进行线性映射处理,得到自监督学习任务的目标预测结果,并构建自监督学习损失值,用于对所述自监督学习模型进行训练。通过本申请,解决了现有技术在图像特征构建时,未关注图像块特征之间的依赖关系及图像模态二维特性,导致掩码图像建模时图像表征学习能力下降,且通用性差的问题。
技术关键词
监督学习方法
像素块
空间填充曲线
监督学习模型
编码器
序列
非暂态计算机可读存储介质
解码器
交叉注意力机制
图像块特征
分块
处理器
学习装置
计算机程序产品
线性
系统为您推荐了相关专利信息
卷积方法
重构
注意力编码器
注意力机制
滑动窗口
移动终端系统
高维特征向量
IC卡
交易风险预测
编码器
医学图像融合方法
注意力机制
多模态医学图像
空间特征提取
多尺度
语音识别模型
预训练方法
数据
编码器适配器
语音识别方法