摘要
本发明涉及一种基于弱监督的景观植物图像语义分割方法,包括以下步骤:获取输入的景观植物图像;对输入的景观植物图像进行预处理,并自适应调整预处理参数;使用深度学习模型从预处理后的景观植物图像中提取景观植物的高维特征;通过部分标注的数据对深度学习模型进行弱监督学习训练;利用训练好的深度学习模型和提取的高维特征对输入景观植物图像进行初步语义分割;对初步分割结果进行后处理,并自适应调整后处理参数;依据后处理结果输出语义分割后的景观植物图像。与现有技术相比,本发明专门优化景观植物的识别和分割,以及对分割结果进行自适应调整和优化处理,显著提升了分割结果的边缘细节和视觉一致性。
技术关键词
图像语义分割方法
融合深度学习模型
景观
后处理参数
弱监督学习
视觉特征
样本
多尺度
分支
像素
标签
注意力机制
非监督
分辨率
图像增强
全局特征提取