买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学;上海人工智能创新中心

摘要：本发明公开了一种基于类别感知的原型增强小样本分割方法，将数据集均匀划分为4个子集，将每个子集轮流作为验证集，从中随机抽取1000对支持‑查询图像用于验证环节，另外三个子集作为训练集进行交叉验证。小样本分割网络包括编码器、基学习器、类别感知模块CAM、原型增项模块PEM、编码器和细化模块。CAM基于支持特征和支持掩码，能够同时感知目标类和非目标类，并由此学习类别权重使网络更加关注目标类区域。PEM提取支持原型的同时基于查询图像初始预测提取查询原型，将两种原型相融合生成混合增强原型，同时包含两者的信息，提高最终分割结果的质量。本发明在支持样本数量受限时引导网络更好地避免错误激活，更准确地将目标类分割出来。

主权项：1.一种基于类别感知的原型增强小样本分割方法，其特征在于，包括以下步骤：步骤1获取网络训练与验证所使用的PASCAL-5i和COCO-20i数据集，将数据集按照图像数据量均匀划分为4个子集，对于其中每个子集，随机抽取1000对“支持-查询”图像用于验证环节，所述支持图像指带有标注的样本，所述查询图像指待分割的未标注图像；步骤2构建基于类别感知的原型增强小样本分割网络，对查询图像进行分割：基于类别感知的原型增强小样本分割网络包括编码器、基学习器、类别感知模块CAM、原型增项模块PEM、编码器和细化模块RM；利用步骤S1中获取的训练集和验证集对该网络进行训练和验证；该网络训练过程，包括以下步骤：2-1对于网络输入的支持图像Is和查询图像Iq，首先经过编码器Encoder·提取支持特征Fs与查询特征Fq，表示如下：Fs＝EncoderIs1Fq＝EncoderIq22-2对所述的支持特征Fs与查询特征Fq进行处理：包括：利用支持特征Fs和支持掩码Ms提取支持图像类信息Cs；利用查询特征Fq与原型增强模块PEM输出的查询图像初始预测结果获取查询图像类信息Cq； 其中，CAM·表示类别感知模块CAM映射；利用支持特征Fs和支持掩码Ms通过掩码平均池化MAP运算提取前景类原型表示为： 其中，i为图像像素位置索引，h和w分别为特征图高度和宽度；[·]是Iverson括号，其若内部条件为真则等于1，否则等于0；Ms为二值掩码，Msi＝1表示第i个像素属于c类；2-3所述原型增强模块PEM利用所述前景类原型与所述查询特征Fq生成混合增强原型所述混合增强原型用于查询图像目标区域的激活，表示为： 其中，PEM·表示原型增强模块PEM映射；将查询特征Fq、支持图像类信息Cs、查询图像类信息Cq以及混合增强原型进行通道维连接，得到增强查询特征即： 2-4基于增强查询特征通过解码器生成查询图像目标类的预测结果ptar为： 2-5采用细化模块RM对所述查询图像目标类的预测结果ptar和基学习器处理查询特征Fq得到的pbase进行细化，得到最终的小样本分割结果pout：pout＝RMptar,pbase8。

全文数据：

权利要求：

百度查询： 天津大学 上海人工智能创新中心 基于类别感知的原型增强小样本分割方法