一种跨任务通用的前景分割方法

本发明涉及计算机视觉领域，公开一种跨任务通用的前景分割方法，首先基于多尺度策略和掩码注意力机制构建统一的前景分割框架，引入二元查询，通过前景查询和背景查询表示图像中的前景和背景特征；通过边缘增强模块，采用卷积神经网络提取图像的边缘信息，并结合多尺度变形注意力机制，将边缘特征与图像的多尺度特征进行融合；将多尺度特征与二元查询一同输入至Transformer解码器中，应用掩码注意力机制，更新二元查询并获得精确的前景和背景分割掩码；利用多模态对比学习策略对前景和背景的分割结果进行精化，提高分割边界的精确度和细节保留效果。本发明的方法能够广泛应用于不同类型的前景分割任务，并在多个复杂场景下实现高精度的分割结果。