运用Swin Transformer嵌入U2-Net分割射频干扰的方法

本发明公开了一种运用Swin Transformer嵌入U2‑Net分割射频干扰的方法，属于基于深度学习的射电天文图像分割技术领域。本发明包括：将射电观测数据的时频图像同时输入训练好的ST‑U2Net模型中的主编码器与辅助编码器，分别提取局部细节特征与全局上下文信息；将辅助编码器中各阶段输出的辅助编码器中间特征图与主编码器中各阶段输出的主编码器中间特征图通过主编码器中关系聚合模块融合后输入解码器，通过解码器以输出包含射频干扰区域和非干扰区域的预测分割掩码图像。相比于现有深度学习射频干扰分割方法，本发明在分割窄带型RFI和整体分割精度等方面均具备明显优势。