图像实例分割方法、模型、计算机系统及可读存储介质

本申请涉及深度学习技术领域，尤其涉及一种图像实例分割方法、模型、计算机系统及可读存储介质。通过将初始候选框的坐标表示与图像视觉特征进行跨模态融合，使偏移量预测能够感知目标区域的局部结构与上下文信息；采用多轮迭代更新策略，使候选框能够逐步逼近目标真实边界，将所得的高质量先验位置信息输入至提示驱动分割模型后，有效引导掩码解码器聚焦于目标本体并抑制背景响应，从而在零样本或少样本条件下依然能够获得边界清晰、结构完整的实例分割结果。旨在解决如何降低自然场景下候选边界框的定位偏移与冗余噪声的问题。