摘要
本发明的实施例提供了一种图像分割模型训练方法、图像分割方法、装置及电子设备,涉及图像分割技术领域。该方法将有标注图像和无标注图像输入图像分割模型,分别得到有标注预测结果和无标注预测结果,将无标注强扰动图像输入图像分割模型,经过丢弃模块处理,得到强扰动预测结果,将无标注弱扰动图像输入图像分割模型,经过注意力增强模块处理,得到弱扰动预测结果,根据强扰动预测结果、弱扰动预测结果、无标注预测结果以及有标注预测结果,进行迭代优化,得到成熟的图像分割模型。通过结合丢弃模块和注意力增强模块,能够在不同数据分布下自动学习丰富的特征以及重要特征,从而能够提高模型在复杂临床场景下的分割准确性。
技术关键词
图像分割模型
注意力
图像分割方法
池化特征
子模块
通道
解码器
编码器
图像分割技术
图像获取单元
动态
临床场景
电子设备
数据分布
训练装置
处理器
上采样
系统为您推荐了相关专利信息
LSTM模型
预报方法
特征站点
静态特征
数据输入模块
症状向量
归因
注意力模型
矩阵
内容分发网络节点