一种基于边缘引导网络的伪装物体检测方法技术

本发明专利技术公开了基于边缘引导网络的伪装物体检测方法，属于图像处理技术领域。大多数现有的深度学习方法往往无法准确地识别出伪装物体的完整且精细的结构。本发明专利技术创造性地提出了一种基于边缘引导网络的方法，其中边缘引导网络包括骨干模块、边缘感知模块、边缘引导特征模块、上下文聚合模块，增强了物体相关边缘语义信息的表征学习能力，输出完整且精细的伪装物体的掩模图与轮廓图。本发明专利技术在3个数据集上进行实验，4个评价指标均表明本发明专利技术超越当前所有最先进的伪装物体检测方法。前所有最先进的伪装物体检测方法。前所有最先进的伪装物体检测方法。

【技术实现步骤摘要】
一种基于边缘引导网络的伪装物体检测方法


[0001]本专利技术属于图像处理
，特别涉及到一种基于边缘引导网络的伪装物体检测方法。

技术介绍

[0002]当前景主体（相对凸出）试图“埋伏”在背景中来欺骗观察者视觉时，伪装场景即成立。在伪装场景中识别并分割伪装物体（前景主体），即伪装物体检测。由于伪装场景的普遍存在，伪装物体检测具有丰富的下游任务和应用场景，例如，医疗图像分割、工业缺陷检测、蝗虫入侵检测、创意图像合成等，引发了计算机视觉社区的广泛关注和研究兴趣。
[0003]早期的伪装物体检测方法依赖于颜色、纹理、动量和梯度等传统视觉特征，如果只提取使用一种视觉特征很难达到满意的效果，所以一些方法尝试使用上述视觉特征的组合来增强效果。然而，由于手工提取特征的局限性，这些方法往往在较为复杂的场景或真实应用中失效。
[0004]随着深度学习技术的兴起，基于卷积神经网络的方法从大量训练图像中自动学习到的深度特征比传统特征更全面、更通用、更有效。这些检测方法大致可分为三类：一类是仿生方法，它模仿自然界中捕食者的行为过程或人类视觉心理模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘引导网络的伪装物体检测方法，其特征在于边缘引导网络包括骨干网络、边缘感知模块、边缘引导特征模块、上下文聚合模块，该方法能够挖掘伪装物体的多层次语义边缘信息，并利用这些边缘信息引导模型的表征学习过程，最终生成伪装物体的掩膜图与轮廓图，包含如下步骤：第1步、用骨干网络对待检测图像进行特征提取；第2步、利用边缘感知模块，在所提取的特征中挖掘物体相关的边缘信息；第3步、利用边缘引导特征模块，用边缘信息指导骨干网络的特征提取；第4步、利用上下文聚合模块，聚合多层级特征与边缘信息生成伪装物体的掩膜图与轮廓图。2.根据权利要求1所述的基于边缘引导网络的伪装物体检测方法，其特征在于：所述第1步使用 Res2Net
‑
50架构作为骨干网络进行特征提取，其中包含依次连接的5个卷积块，对输入图像进行多层次信息提取，得到对...

【专利技术属性】
技术研发人员：王硕，范登平，孙羽佳，陈程立诏，向天烛，张江，
申请(专利权)人：集智学园北京科技有限公司，
类型：发明
国别省市：