【技术实现步骤摘要】
一种去除图像阴影模型及其构建方法、装置及应用
[0001]本申请涉及人工智能图像识别
，特别是涉及一种去除图像阴影模型及其构建方法、装置及应用。
技术介绍
[0002]阴影是捕捉图像时光线被部分或完全遮挡的条件下出现的一种现象，阴影的出现降低了图像质量，并影响了许多后续的视觉识别任务，使得物体检测、物体跟踪以及图像分割等技术的效果变差，近年来，深度学习方法在图像阴影去除方面的取得了良好的效果，然而，现有的大多数方法都集中在阴影和非阴影区域的局部优化工作，由于阴影和非阴影区域之间的光照不一致，所以这些方案的输出结果往往在阴影边界周围存在严重的伪影。
[0003]对于图像阴影的去除，尽管已经有多种解决方案，包括应用基于物理学的光照模型的经典方法，但是这些方法在实践中收到很大的限制，因为在光照方面的假设对于现实时间的阴影图像来说具有很强的限制性，将深度学习算法应用于图像阴影去除可以使用大规模训练数据训练出高度灵活的深度模型，但是，即使使用深度学习算法来去除图像阴影依旧存在一些不足：1、由于图像中的阴影形状是随意的、多...
【技术保护点】
【技术特征摘要】
1.一种去除图像阴影模型的构建方法，其特征在于，包括以下步骤：构建去除图像阴影模型，所述去除图像阴影模型由第一投影模块、编码模块、多交互模块、解码模块、第二投影模块、整合模块组成；获取至少一阴影图像作为训练样本，获取每一阴影图像对应的阴影掩码，将所述阴影图像和所述阴影掩码输入到所述第一投影模块得到第一投影结果，将所述第一投影结果输入到编码模块中得到编码特征；将所述编码特征与所述掩码特征图输入到所述多交互模块中得到多交互结果，所述多交互结果是进行了全局上下文关联的阴影图像的阴影部分，将所述阴影掩码进行最大池化得到与编码特征同空间维度的掩码特征图；所述解码模块对所述多交互结果进行解码得到解码结果，将所述解码结果输入到所述第二投影模块得到第二投影结果，将所述第二投影结果与所述阴影图像在所述整合模块中进行相加得到去阴影图像。2.根据权利要求1所述的一种去除图像阴影模型的构建方法，其特征在于，在“将所述第一投影结果输入到编码模块中得到编码特征”步骤中，所述编码模块由两个或两个以上的编码子模块进行串联每一编码子模块由两个编码通道注意力模块串联组成，每一所述编码通道注意力模块的结构相同，所述编码通道注意力模块由第一编码归一层、编码通道注意力层、第一编码融合层、第二编码归一层、多层感知器层、第二编码融合层顺序串联，所述第一编码归一层对所述第一投影结果进行归一化得到第一编码归一结果，将所述第一编码归一结果输入到所述编码通道注意力层得到编码通道注意力结果，将所述编码通道注意力结果与所述第一投影结果在所述第一编码融合层进行相加得到第一编码融合结果，将所述第一编码融合结果通过所述第二编码归一层再次进行归一化后通过所述多层感知器进行输出得到多层感知结果，将所述多层感知结果与所述第一编码融合结果在所述第二编码融合层进行相加得到编码特征。3.根据权利要求1所述的一种去除图像阴影模型的构建方法，其特征在于，在“将所述编码特征与所述掩码特征图输入到所述多交互模块中得到多交互结果”步骤中，所述多交互模块由第一多交互归一层、多交互通道注意力层、全局交互注意层、第一交互融合层、第二多交互归一层、交互多层感知器层、第二交互融合层顺序串联组成，将所述编码特征输入到所述第一多交互归一层得到第一多交互归一结果，将所述第一多交互归一结果输入到所述多交互通道注意力层得到多交互通道注意力结果，将所述多交互通道注意力结果与掩码特征图输入到全局交互注意层得到全局交互注意结果，对所述阴影掩码进行最大池化得到掩码特征图，所述全局交互注意结果与所述编码特征在所述第一交互融合层中相加得到第一交互融合结果，所述第二交互归一层对所述第一交互融合结果进行归一得到第二交互归一结果，将所述第二交互归一结果送入所述交互多层感知器层得到交互多层感知结果，所述交互多层感知结果与所述第一交互融合结果在所述第二交互融合层中相加得到第二交互融合结果，将所述第二交互融合结果作为多交互结果进行输出。4.根据权利要求3所述的一种去除图像阴影模型的构建方法，其特征在于...
【专利技术属性】
技术研发人员：王国梁，毛云青，陈娜华，陈思瑶，
申请(专利权)人：城云科技中国有限公司，
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。