【技术实现步骤摘要】
基于改进注意力和损失函数的目标分割方法、系统及设备
[0001]本专利技术属于计算机视觉与图像处理领域，具体涉及了一种基于改进注意力和损失函数的目标分割方法、系统及设备。
技术介绍
[0002]目标检测的目的是检测图像中的每个目标和识别它们的类别。语义分割的目的是对输入图像进行像素级分割，同时赋予图中每个对象语义类别。实例分割则是这两者的综合，它的目标是预测类标签和像素级实例掩码，以定位图像中呈现的不同数量的实例。这项任务对自动驾驶汽车、机器人、视频监控等都有广泛的好处。
[0003]在过去的几年里，借助深度卷积神经网络，实例分割在视觉领域获得了很大的进步。目前实例分割方法一般分为两大类，一类是拥有区域建议两阶段方法，比如Mask R
‑
CNN，第一阶段提出了一组感兴趣的区域(RoIs)，第二阶段从使用RoIAlign提取的特征中预测实例掩模。由于分两个阶段对输入图像进行了处理，因此相较于单阶段模型，两阶段模型精度更高。另一类则是没有区域建议的单阶段实例分割方法，比如YOLACT，作者设计了两个分支...
【技术保护点】
【技术特征摘要】
1.一种基于改进注意力和损失函数的目标分割方法，其特征在于，该目标分割方法包括：步骤S10，进行待分割图像的特征提取，并对提取的二维图像特征进行全局信息提取和注意力机制增强，获得待分割图像的增强特征；步骤S20，将所述待分割图像的增强特征输入特征处理网络，获得待分割图像的多尺度特征；步骤S30，基于实例分割网络构建目标分割模型，并通过基于区域焦点损失构建的目标分割损失函数进行模型训练；步骤S40，基于所述待分割图像的多尺度特征，通过训练好的目标分割模型获取各候选框的类别置信度、位置以及设定的k个图像掩码和k个原型掩码；步骤S50，通过NMS筛选算法对候选框进行筛选，并分别进行k个图像掩码和k个原型掩码的矩阵乘法，获得待分割图像的目标边界框和目标物体掩码；步骤S60，以设定阈值进行目标物体掩码的二值化处理，并将待分割图像的目标边界框外的掩码清零，获得待分割图像的目标分割结果。2.根据权利要求1所述的基于改进注意力和损失函数的目标分割方法，其特征在于，步骤S10包括：步骤S11，通过特征提取网络进行待分割图像的特征提取，获得待分割图像的二维图像特征；步骤S12，通过全局平均池化进行所述待分割图像的二维图像特征的全局信息提取，获得待分割图像的一维特征编码；步骤S13，对所述待分割图像的一维特征编码进行设定次数的迭代注意力机制增强，获得待分割图像的增强特征。3.根据权利要求2所述的基于改进注意力和损失函数的目标分割方法，其特征在于，所述待分割图像的一维特征编码，其表示为：其中，V(h)代表待分割图像的一维特征编码，W代表V(h)的宽度，h代表待分割图像的二维图像特征，f()代表全局平均池化操作。4.根据权利要求3所述的基于改进注意力和损失函数的目标分割方法，其特征在于，步骤S13包括：步骤S131，通过组卷积操作进行所述待分割图像的一维特征编码的特征分组，获得m个特征组，每个特征组包括n个subgroup；步骤S132，将不同组的subgroup进行均匀混合，并对混合后的第一特征进行组卷积操作和注意力机制增强，获得第二特征；步骤S133，通过Sigmoid函数将所述第一特征与所述第二特征融合，获得待分割图像的增强特征。5.根据权利要求4所述的基于改进注意力和损失函数的目标分割方法，其特征在于，所述待分割图像的增强特征，其表示为：
F
′
(h)＝δ(M
s
(GC(V(h))))其中，F
′
(h)代表待分割图像的增强特征，GC()代表组卷积操作，M
s
()代表迭代注意力机制增强操作，δ()代表Sigmoid函数。6.根据权利要求1所述的基于改进注意力和损失函数的目标分割方法，其特征在于，所述目标分割损失函数，其表示为：L
total
＝λ1L
...
【专利技术属性】
技术研发人员：王坤峰，徐鹏斌，张衡，李大字，楚纪正，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。