一种基于多级特征融合的伪装目标分割方法及装置制造方法及图纸

本发明专利技术公开了一种基于多级特征融合的伪装目标分割方法及装置，所述方法包括获取包含有伪装目标的RGB图像；将包含有伪装目标的RGB图像输入预先构建并训练过的多级特征融合的伪装目标分割网络，得到伪装目标的掩膜图像；所述多级特征融合的伪装目标分割网络包括多层特征提取器、门控融合模块和自交互残差模块；所述多层特征提取器基于具有特征提取能力的网络Res2Net

【技术实现步骤摘要】
一种基于多级特征融合的伪装目标分割方法及装置


[0001]本专利技术涉及一种基于多级特征融合的伪装目标分割方法及装置，属于计算机视觉中的场景分割


技术介绍

[0002]伪装目标分割(Camouflaged Object Segmentation，COS)是计算机视觉中极具挑战性的任务，其目的是从目标与背景高度相似的环境中分割出伪装物体。由于伪装目标与周围环境对比度较低，相比目标与背景有明显差异的常规分割任务，伪装目标分割更加具有难度。
[0003]在早期的传统方法中，研究人员将伪装图案视为特殊的纹理区域，针对颜色、纹理等底层特征，运用三维凸算子、灰度共生矩阵、纹理描述符、数学形态学等方法对伪装目标进行分割。随着深度学习技术的发展，从图像中提取的深度特征相比于传统底层特征更加通用和有效。
[0004]目前方法在相对简单的场景中分割伪装目标已经具有较好的效果，但面对目标偏小且背景复杂的场景时，现有模型分割性能显著下降。模型效果下降原因包括当前模型所提取的深度特征多尺度表达能力不足，无法发现图片中尺寸较小且与背景高度相似的伪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多级特征融合的伪装目标分割方法，其特征在于，包括：获取包含有伪装目标的RGB图像；将包含有伪装目标的RGB图像输入预先构建并训练过的多级特征融合的伪装目标分割网络，得到伪装目标的掩膜图像；其中，所述多级特征融合的伪装目标分割网络包括多层特征提取器、门控融合模块和自交互残差模块；其中，所述多层特征提取器基于具有特征提取能力的网络Res2Net
‑
50实现，其输入是包含有伪装目标的RGB图像，其提取到的多级特征依次送入门控融合模块和自交互残差模块；所述门控融合模块用于对多层特征提取器提取的各级中间层特征进行选择性融合，过滤特征中包含的干扰信息；所述自交互残差模块用于将输入特征转换成不同通道数的高、低分辨率特征，再进行充分融合，挖掘出更多有效的特征信息。2.根据权利要求1所述的基于多级特征融合的伪装目标分割方法，其特征在于：所述门控融合模块用于对多层特征提取器提取的各级中间层特征进行选择性融合，过滤特征中包含的干扰信息，具体包括：所述门控融合模块由门控矩阵组成，在深层特征语义信息的指导下，计算出各级特征对应的门控矩阵以此区分特征中的有用信息与干扰信息；对于给定输入特征其中H
i
、W
i
和C
i
分别表示第i级特征的高度、宽度和通道数；各级特征均产生相应的门控矩阵所有门控矩阵都有对应的特征图；融合过程中应用门控矩阵，得到多级特征融合特征图：其中每个门控系数G
l
＝sigmoid(w
l
·
f
l
)由一个参数为的卷积层计算得出，门控总数为主干网络提取出的特征图数量。3.根据权利要求1所述的基于多级特征融合的伪装目标分割方法，其特征在于：所述自交互残差模块用于将输入特征转换成不同通道数的高、低分辨率特征，再进行充分融合，挖掘出更多有效的特征信息，具体包括：首先将输入特征F经过卷积等操作得到高分辨率特征图F1作为一个分支，另外应用池化层和卷积层将输入特征的分辨率和通道数降低，得到低分辨率特征图F2作为另一个分支；在两个分支中，对F2进行上采样得到与另一个分支特征F
11
相同分辨率和通道数的特征两者融合得到F
13
；对F1进行下采样得到F
12
，F
12
与另一个分支特征进行融合再进行上采样得到特征最后将与F
13
融合得出特征F3，F3经过批量归一化层和ReLU层处理后与输入特征F融合获得新的特征图F
SIRM
；对于经过门控融合模块的各级特征，使用如下方法自交互挖掘信息：F
lSIRM
＝F
l
+A(A[P(F
l
)+U(D(F
l
))]+U(A[D(F
l
)+D(P(F
l
))]))其中，F
lSIRM
是第l层特征经...

【专利技术属性】
技术研发人员：曹铁勇，付炳阳，王烨奎，郑云飞，方正，赵斐，申海霞，王杨，陈雷，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：