一种基于掩模引导的夜间图像分割方法及系统

本发明涉及一种基于掩模引导的夜间图像分割方法及系统，属于计算机视觉技术领域。通过互补掩模模块生成多视图伪标签，强制网络学习图像内在结构而非依赖噪声特征，显著提升模型对低光照、遮挡等复杂场景的鲁棒性；通过双分支知识蒸馏架构进行交替优化，以教师模型生成的真实标签和互补伪标签为监督，通过噪声容忍损失函数优化学生模型，抑制错误标签干扰，提升模型鲁棒性；通过指数移动平均将学生模型的部分参数转移到教师模型，更新教师模型，保持与目标域分布的一致性。解决了夜间图像语义分割中数据稀缺与伪标签噪声问题。