一种极化自注意力调控的情景式视频实例多尺度分割方法技术

本发明专利技术公开了一种极化自注意力调控的情景式视频实例多尺度分割方法，其中，所述方法包括：对第一视频实例分割数据集中的标签文件进行提取，构建第二视频实例分割数据集；将第二视频实例分割数据集按照预定比例划分为训练集和测试集；根据训练集和测试集，配置实验参数和搭建模型环境；基于所述实验参数和所述模型环境，在残差网络中调控嵌入单级式和级联式极化自注意力机制的ResNet50

【技术实现步骤摘要】
一种极化自注意力调控的情景式视频实例多尺度分割方法


[0001]本专利技术涉及视频分割
，尤其涉及一种极化自注意力调控的情景式视频实例多尺度分割方法。

技术介绍

[0002]情景式移动机器人的视觉分割系统是开发智能机器人领域的一项难题。机器人在特定场景下移动时视觉成像系统会受到自身速度、拍摄角度及距离目标拍摄位置远近的影响，加上捕捉的目标对象在运动过程中存在拓扑形变和尺度缩放的随机性，导致后续成像时目标实例边缘模糊、且同一目标尺度大小、形态不一，对后续的分割工作会造成很大的干扰。因此，在不确定因素下的视频序列中如何准确稳定地分割目标个体是情景式机器人视觉系统一个亟待解决的问题。
[0003]然而，智能机器人在特定情景自主移动时捕获的运动目标普遍存在拓扑形变和尺度缩放方面的随机性，现有技术存在对目标高级细粒度特征的有效关注偏低且低级空间信息无法准确定位而导致的分割精度较低问题。

技术实现思路

[0004]本申请通过提供一种极化自注意力调控的情景式视频实例多尺度分割方法，解决了现有技术存在对目标高级细粒度特征的有效关注本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种极化自注意力调控的情景式视频实例多尺度分割方法，其特征在于，所述方法包括：获得第一视频实例分割数据集；对所述第一视频实例分割数据集中的标签文件进行提取，构建适用于情景式的第二视频实例分割数据集；将所述第二视频实例分割数据集按照预定比例划分为训练集和测试集；根据所述训练集和测试集，配置实验参数和搭建模型环境；基于所述实验参数和所述模型环境，在残差网络中调控嵌入单级式和级联式极化自注意力机制的ResNet50
‑
PSA调控模型；构建聚合目标实例多粒度空间信息的多尺度空间定位分支模型；基于所述ResNet50
‑
PSA调控模型和所述多尺度空间定位分支模型，构建情景式视频实例分割模型。2.如权利要求1所述的方法，其特征在于，所述方法还包括：获得实验配置信息；对所述第二视频实例分割数据集的前景目标实例进行分析，获得所述前景目标实例的运动特点；基于所述实验配置信息和所述运动特点，对基础模型进行实验环境搭建和实验参数配置。3.如权利要求1所述的方法，其特征在于，所述方法还包括：计算原始残差网络中每个残差块的输出；计算嵌入极化自注意力机制的残差块输出；结合所述残差网络和不同数量的极化自注意力机制设计单级式调控模型；结合所述残差网络和相异位置的极化自注意力机制设计级联式调控模型。4.如权利要求3所述的方法，其特征在于，所述计算原始残差网络中每个残差块的输出的计算公式为：式中，I(C
in
,H
in
,W
in
)为给定任一残差块输入，C
in
，H
in
，W
in
分别为特征图的通道数和高宽大小，Conv(
·
)为卷积操作，n为残差块的序列号，m为当前第n个残差块中对应卷积的输出通道数。5.如权利要求3所述的方法，其特征在于，所述计算嵌入极化自注意力机制的残差块输出的计算公式为：式中，和分别为极化自注意力机制的通道自注意力和空间自注意力。6.如...

【专利技术属性】
技术研发人员：张印辉，黄滢，何自芬，赵崇任，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：