基于原型生成器的有监督原型对比学习方法

本发明公开了基于原型生成器的有监督原型对比学习方法，解决了现有技术在处理复杂医学图像时，难以有效整合全局上下文的技术问题。它包括采用骨干网络从输入图像中提取特征；在特征提取后，网络生成两个计算分支，分别用于计算逐像素交叉熵损失和计算原型对比损失；利用下采样过程、加权掩码注意力Transformer和MLP构建原型生成器，生成类原型；将生成的类原型存储在原型存储器中，通过计算像素嵌入与存储原型之间的相似性，计算原型对比损失；结合逐像素交叉熵损失和原型对比损失，形成联合损失函数。本发明能够有效捕获嵌入空间的全局属性，准确反映训练数据的内在结构，能够更好地处理类内像素分布不均和空间信息的忽略问题。