一种基于随机注意力机制的阴影检测方法技术

本发明专利技术公开了一种基于随机注意力机制的阴影检测方法，包括以下步骤：构建CNN卷积神经网络，得到不同分辨率的特征图，即原始骨架；原图像使用不同的卷积核进行卷积,即可得到不同分辨率的特征图。本发明专利技术采用随机注意力机制，随机提取原骨架网络中具有代表性的多级多层特征，在利用该骨架结构以及特征连接结构构建由高到低再由低到高的对称特征金字塔网络，并在该U形结构中随机从其前半部分中取多级多层高层特征融合作为后一部分的任一特征图，最后构建融合模块，将各个特征网络中，由低到高部分中，相同层级的特征进行融合，得到最终的多层特征金字塔并利用其进行检测。层特征金字塔并利用其进行检测。层特征金字塔并利用其进行检测。

【技术实现步骤摘要】
一种基于随机注意力机制的阴影检测方法


[0001]本专利技术涉及图像处理
，具体为一种基于随机注意力机制的阴影检测方法。

技术介绍

[0002]日常生活中，因光源被遮挡形成的阴影广泛存在。获取阴影的位置，一方面可以得到光照的方向，得知物体的位置参数以及物体的大致形状；另一方面，阴影会导致检测目标图像的内容不完整，遮挡重要信息，会对目标识别、目标跟踪的准确性造成影响。因此，如何准确地检测到阴影的位置和轮廓，是计算机视觉研究的预先条件。
[0003]目前，阴影检测主要分为两大类，一类是传统的阴影检测方法，另一类是基于深度学习的阴影检测方法。传统的阴影检测方法，主要是通过颜色空间等物理模型，设置一定的特征参数，如颜色、亮度、方向等，这种方法过度依赖于人工参数的选取，并且不适用于较为复杂的图像。另一种方法，随着卷积神经网络的兴起，出现了很多用于目标检测方面的方法，相较于传统的方法，检测性能大大提高。
[0004]到目前为止，采用卷积神经网络的阴影检测方法有了许多突破。例如，多层级特征金字塔的阴影检测方法，解决了假如阴影很小，但是轮本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机注意力机制的阴影检测方法，其特征在于，包括以下步骤：S1：构建CNN卷积神经网络，得到不同分辨率的特征图，即原始骨架；原图像使用不同的卷积核进行卷积,即可得到不同分辨率的特征图，低级特征适合于描述具有简单外观的目标，空间信息多，而高级特征则适合于描述具有复杂外观的目标，语义信息多；S2：构建特征连接结构，提取原骨架网络中具有代表性的多级多层特征；S3：构建由高到低再由低到高的多级特征金字塔的U形模块；通过得到的基础特征图得到分辨率从高到低，再从低到高的两个相对称的特征金字塔，并将对称的对应层调整为特征大小相同，且通道数也相同，并将一个U形模块的输出作为另一个U形模块的输入；S4：构建随机注意力机制，随机取多级多层高层特征融合作为下一部分的任一特征；在构建U形模块时，将其前半部分分辨率由高到低的特征图中随机选取多层多级特征图，并将其通过特征连接结构融合为一个特征图，并将其作为该U形结构下半部分的任意分辨率的特征图；S5：构建融合模块，将各个特征网络中，由低到高部分中，相同层级的特征进行融合，得到最终的多层特征金字塔；使用各个U形模块的后半部分特征图，将等效尺度的特征层起来，形成一个用于最终目标检测的特征金字塔，其中每个特征图由多个层次的特征组成，这个特征金字塔比较骨干结构中的特征图深得多，同样更具代表性，每个特征图都包含来自多个U形模块的解码器层；S6：利用多层特征金字塔，进行预测。2.根据权利要求1所述的基于随机注意力机制的阴影检测方法，其特征在于，步骤S4所述的构建随机混合注意力机制，包括...

【专利技术属性】
技术研发人员：曹忠，张瑞健，尚文利，赵文静，王锋，邓辉，梅盈，
申请(专利权)人：广州大学，
类型：发明
国别省市：