一种基于大模型语义先验引导的半监督类增量烟分割方法

本发明提供了一种基于大模型语义先验引导的半监督类增量烟分割方法，包括：将弱增强未标注图像输入到旧教师模型和新教师模型中，将强增强未标注图像输入到学生模型中，将有标注图像输入到旧教师模型和学生模型中，分别提取中间层特征图和深层特征图，然后由分类器进行预测得到预测结果；将弱增强未标注图像和有标注图像分别输入到SAM(Segment Anything Model)大模型中，提取语义先验图；(针对未标注图像)基于新教师模型和学生模型提取得到的深层特征图以及语义先验图，计算语义引导下的相关性一致性损失；(针对未标注图像和有标注图像)基于新教师模型和学生模型预测得到的预测结果以及语义先验图，计算区域预测一致性损失；将所有损失进行加权求和，进行梯度反向传播更新学生模型并通过指数移动平均更新新教师模型，更新后的新教师模型将用于对测试样本进行语义分割。本发明能有效克服现有技术的不足，基于少量有标注样本和大量未标注样本，实现在不断学习新类别的烟特征的同时，保留旧类别的烟特征的目的。