[发明专利]一种基于抗混叠语义重构的小样本语义分割方法

权利要求书

1.一种基于抗混叠语义重构的小样本语义分割方法，其特征在于，所述方法包括训练部分和测试部分，其中，所述训练部分包括以下步骤：

步骤1，对支撑图片和查询图片进行特征提取；

步骤2，对属于不同基类的特征进行语义张成

步骤2包括以下子步骤：

步骤2-1，对支撑特征和查询特征进行维度转化；

步骤2-2，将支撑特征和查询特征压缩成语义向量，并进行语义张成；

步骤2-2中，将压缩得到的支撑语义向量和查询语义向量进行语义张成，按照包括下述步骤的方法进行：

步骤i，对特征进行解耦，获得属于不同基类的特征；

步骤ii，使不同基类的特征之间相互正交；

步骤3，滤除干扰语义，实现对目标类别的分割。

2.根据权利要求1所述的基于抗混叠语义重构的小样本语义分割方法，其特征在于，步骤3包括以下子步骤：

步骤3-1，将语义张成后的支撑语义向量进行语义重构，获得重构支撑语义向量；

步骤3-2，对查询特征进行语义重构，获得重构查询特征图；

步骤3-3，滤除重构查询特征中的干扰语义；

步骤3-4，对滤除干扰语义的重构查询特征进行分割，获得分割结果图。

3.根据权利要求2所述的基于抗混叠语义重构的小样本语义分割方法，其特征在于，

步骤3-1中，通过下式对支撑语义向量进行语义重构：

其中，表示重构支撑语义向量；B表示基类的数目；为第b个重构系数，；为基向量，；

是重构系数，它对应每个子向量的模长；表示支撑语义向量，表示支撑语义向量的子向量，表示查询语义向量的子向量，b表示第b个基类。

4.根据权利要求1所述的基于抗混叠语义重构的小样本语义分割方法，其特征在于，所述训练部分还包括步骤4，对网络参数进行更新，

获得分割结果图与掩码标注之间的交叉熵损失，并将其与语义解耦损失、对比学习损失相加得到最终的损失，获得损失函数的梯度，对网络进行误差梯度反传，更新网络模型参数。

5.根据权利要求1所述的基于抗混叠语义重构的小样本语义分割方法，其特征在于，所述测试部分所利用的数据类别与训练部分的数据类别完全不同。

6.一种小样本语义分割系统，优选用于实施权利要求1至5之一所述的基于抗混叠语义重构的小样本语义分割方法，其特征在于，所述系统包括特征提取单元、语义张成单元和语义过滤单元；

其中，特征提取单元，用于提取支撑图片和查询图片的特征，

语义张成单元，用于对不同基类的特征进行语义张成，使得不同基类特征之间相互正交；

语义过滤单元，用于滤除干扰语义，实现对目标类别的准确分割。

7.一种计算机可读存储介质，其特征在于，存储有基于抗混叠语义重构的小样本语义分割训练程序，所述程序被处理器执行时，使得处理器执行权利要求1至5之一所述基于抗混叠语义重构的小样本语义分割方法的步骤。

8.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有基于抗混叠语义重构的小样本语义分割训练程序，所述程序被处理器执行时，使得处理器执行权利要求1至5之一所述基于抗混叠语义重构的小样本语义分割方法的步骤。