一种联合混合专家和曼巴模型的密集预测多任务学习方法

本发明属于图像处理方法技术领域，公开了一种联合混合专家和曼巴模型的密集预测多任务学习方法，是一种基于解码器的新框架即参数感知的曼巴模型，为多任务学习环境中的密集预测设计，旨在利用状态空间模型的丰富且可扩展的参数来增强任务间的连接性。它具有双状态空间参数专家，能够集成并设定特定于任务的参数先验，捕捉每个任务的内在属性。本发明方法不仅促进了精确的多任务交互，还允许通过结构化的状态空间序列模型实现任务先验的全局整合。此外，本发明方法采用的采用多方向希尔伯特扫描方法构建多角度特征序列，从而增强序列模型对2D数据的感知能力。在常用的公开基准上的实验验证了所提出方法的有效性。