一种基于测试时自适应原型缓存的开放词汇语义分割方法

本发明提供了一种基于测试时自适应原型缓存的开放词汇语义分割方法。该方法包括获取待分割图像和开放词汇类别集并加载冻结模型；利用冻结模型构建包含视觉特征、类别概率分布和空间支持信息的统一预测单元；通过置信度过滤和扰动一致性校验筛选可靠预测单元，并分类聚合得到类级视觉原型；利用类级视觉原型更新由文本嵌入初始化的自适应原型缓存；根据缓存原型生成缓存细化分数并与原始预测分数融合，得到像素级语义分割结果。本发明通过在推理阶段利用测试图像中稳定可靠的视觉证据补充静态文本原型，可提升开放词汇语义分割在不同模型架构和未见类别场景下的预测精度与适配能力，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。