基于高效多尺度和简单注意力模块的领域泛化语义分割增强方法

本发明公开了基于高效多尺度和简单注意力模块的领域泛化语义分割增强方法，属于计算机视觉领域。该模型基于文本查询驱动的掩码转换器(Textual Query‑driven Mask Transformer,TQDM)框架，并融合了高效多尺度注意力模块(Efficient Multi‑Scale Attention Module,EMA)和无参数简单注意力模块(Simple Parameter‑free Attention Module,SimAM)，以提升语义分割任务在多种域上的适应性和鲁棒性。本发明通过引入EMA模块，实现多尺度特征聚合与跨空间信息交互，从而增强模型对复杂场景的理解能力；同时，结合SimAM模块，在不增加额外参数的情况下优化特征表达，提高小目标分割和目标边界检测的精度。本发明可广泛应用于自动驾驶、智能监控、医学影像分析等涉及跨域语义分割的计算机视觉任务。