一种由类激活图驱动的自适应权重调整语义分割的方法

本发明公开了一种由类激活图驱动的自适应权重调整语义分割的方法，包括以下步骤：生成伪掩码：利用训练好的语义分割模型和Grad‑CAM方法，生成热力图并对热力图进行处理获得伪掩码；性能评估：利用ISTS通过与真实掩码进行对比，评估每个类别的分割性能；计算动态权重：计算各个类别的动态权重，调整损失函数中不同类别的影响力；训练策略：根据计算出的各个类别的权重，动态调整损失函数；迭代更新：根据调整后的权重，进行下一轮网络训练，重复以上步骤，形成一个动态调整的训练流程。能够显著提升模型在语义分割任务中的准确性和鲁棒性，克服现有技术的局限，更好地应对复杂场景和不平衡类别问题。为图像理解、计算机视觉领域的应用提供更加有力的支持。