一种基于频率表示学习的跨域语义分割方法和装置

本发明提供了一种基于频率表示学习（Representative Frequency Learning，简称 RFL）的跨域语义分割方法和装置。该方法包括利用 RGB 图像数据构建训练集与测试集；构建基于频率表示学习的跨域语义分割模型；利用训练集对模型进行训练并利用测试集验证训练效果；利用训练得到的模型对目标域 RGB 图像进行像素级语义分割。本发明方法通过语义 ‑ 频谱双重解耦隔离域不变语义与域特定噪声，通过可学习的频率表征词元构建跨频带共享的谱表示空间，实现高低频信息的充分交互与互补，解决现有频域方法独立处理频带割裂协同关系的缺陷，从深度特征中获取跨域通用的语义结构信息，显著提升语义分割模型在未见目标域的泛化能力与分割精度，可广泛适配自动驾驶、复杂场景感知等多类计算机视觉任务。