一种基于有意义学习的零样本语义分割方法及装置

摘要

本发明公开了一种基于有意义学习的零样本语义分割方法及装置。该方法包括如下步骤：S1：利用大规模的具有标注信息的已知类别数据对分割模型和生成模型进行预训练；S2：利用预训练的生成模型以及未知类的语义编码，获取针对未知类的生成视觉表征；S3：从可见类中随机挑选样本抽取视觉表征，并和步骤S2生成的未知类的视觉表征构建共轭关联损失；S4：将未知类的生成视觉表征分别通过快分类器和慢分类器进行两次预测，并计算相应的损失函数，实现零样本图像分割。本发明更加注重可见类与不可见类之间的相关性，自然地促进了知识的持续构建，可以使图像分割效果更加优越。