摘要
本申请提供了一种多模态图像分割模型的训练方法及多模态图像分割方法,包括:获取目标对象的多模态样本图像集合,包括多个模态的样本图像以及样本图像的真实标签区域。将多模态样本图像集合输入到初始无偏多模态融合分割网络,获取图像分割结果,图像分割结果中包括预测标签区域。基于真实标签区域和预测标签区域确定损失函数值。基于损失函数值对初始无偏多模态融合分割网络进行训练,得到训练好的无偏多模态融合分割网络。初始无偏多模态融合分割网络包括图像融合功能模块,图像融合功能模块包括特征提取模块和双流融合模块,特征提取模块用于提取样本图像的图像特征,双流融合模块用于基于多个图像特征的并集和交集进行特征融合。
技术关键词
融合图像特征
多模态
特征提取模块
矩阵
解码模块
样本
功能模块
多尺度特征融合
编码模块
图像分割模型
特征提取器
注意力
图像分割方法
适配器
网络
标签
多尺度池化
系统为您推荐了相关专利信息
缺陷检测方法
电视背板
缺陷检测单元
特征点
模板
车用永磁电机
早期故障预警
LSTM模型
多通道
注意力机制
室内定位模型
室内定位方法
多径
射频信号源
振荡特征
监视配电网
资源调控系统
注意力
分布式协同
切片算法
信贷风险控制方法
风险评估模型
数据
信息系统
矩阵