[发明专利]一种基于特征和谐激活的小样本语义分割方法

权利要求书

1.一种基于特征和谐激活的小样本语义分割方法，其特征在于，所述方法包括训练分割模型用以进行语义分割的过程，分割模型训练过程包括以下步骤：

步骤1，对支撑图片和查询图片进行特征提取；

步骤2，对支撑特征和查询特征进行融合，获得中间特征激活图；

步骤3，对中间特征激活图进行更新，获得特征和谐激活图；

步骤4，对特征和谐激活图进行语义分割，获得查询图片的分割图；

步骤2中，利用双线性特征激活模型将支撑特征和查询特征进行融合，如下式所示：

其中，A表示激活特征，表示融合张量，其维度为，表示张量和矩阵之间的模乘法，，表示重构后的支撑特征，表示重构后的查询特征。

2.根据权利要求1所述的小样本语义分割方法，其特征在于，步骤2中，所述中间特征激活图的获得包括以下步骤：

步骤2-1，对支撑特征和查询特征进行精细语义信息提取；

步骤2-2，对支撑特征和查询特征进行相似语义信息激活，获得激活置信图；

步骤2-3，调整激活置信图的维度，获得激活特征，进而得到中间特征激活图。

3.根据权利要求2所述的小样本语义分割方法，其特征在于，步骤2-1中，对融合张量进行分解，包括初步分解和再次分解，

按照下式进行初步分解：

其中，表示核心张量，维度为；，，为二维矩阵，维度为；维度为；维度为。

4.根据权利要求3所述的小样本语义分割方法，其特征在于，按照下式进行再次分解：

其中，表示行向量，表示列向量，L代表的秩。

5.根据权利要求1所述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，对查询特征进行编码，获得传播参数；

步骤3-2，根据传播参数，更新中间特征激活图，获得特征和谐激活图。

6.根据权利要求1所述的小样本语义分割方法，其特征在于，所述方法还包括测试过程：利用训练好的小样本语义分割模型，对未知图片进行小样本语义分割；

其中，所述未知图片是指图片类别与训练过程的图片类别完全不同。

7.一种小样本语义分割系统，用于实施权利要求1至6之一所述的方法，其特征在于，所述系统包括特征提取单元、特征激活单元、语义传播单元和分割单元，其中，

特征提取单元，用于对支撑图片和查询图片进行特征提取；

特征激活单元，用于引导支撑特征对查询特征进行激活，获得中间特征激活图；

语义传播单元，用于对中间特征激活图进行传播更新，获得特征和谐激活图；

分割单元，用于对特征和谐激活图进行语义分割，获得查询图片的分割图。

8.根据权利要求7所述的小样本语义分割系统，其特征在于，所述特征激活单元包括精细语义信息提取子单元，用于提取支撑特征和查询特征的精细语义信息；和

相似语义信息激活子单元，用于进行相似语义信息激活。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有小样本语义分割程序，所述小样本语义分割程序被处理器执行时实现权利要求1至6之一所述基于特征和谐激活的小样本语义分割方法。