基于分割一切模型的图像语义分割主动域适应方法及系统

本申请提供一种基于分割一切模型的图像语义分割主动域适应方法及系统，包括：利用预训练的分割一切模型对目标域的图像生成全图掩膜；对目标域的图像按比例采样，对采样的每张图像的全图掩膜进行初始标注，得到初始目标域标注数据集，标注是对每张图像所生成的全图掩膜区域赋予一个语义类别；通过半监督学习训练语义分割模型；其中，在半监督学习的训练迭代中，按照预设周期触发主动学习，得到更新的目标域标注数据集，用于半监督学习继续训练。本申请实现以较低的人力成本获得语义完整、结构清晰的初始标注数据的技术目的，解决了现有语义分割训练依赖大规模像素级人工标注、标注效率低、成本高的技术问题。