一种基于注意力机制和卷积神经网络的伪装目标检测方法技术

本发明专利技术公开了一种基于注意力机制和卷积神经网络的伪装目标检测方法，属于伪装目标检测领域，具体包括：将训练集图像输入至主干网络提取含有伪装目标图像的多尺度特征；将主干网络的Stage3、Stage4、Stage5输出的特征分别输入进位置感知循环卷积模块输出全局特征；利用边缘提取模块提取伪装目标的边缘轮廓信息，得到边缘预测图，并通过伪装目标的边缘标签对进行边界监督；将上述获得的全局特征与边缘轮廓信息融合后，继而进行多尺度特征融合得到多尺度聚合特征，获得伪装目标预测图，并通过伪装目标的二值标签图对其进行深度监督。本发明专利技术的伪装目标检测方法能够全面感知伪装目标并细化其边界轮廓，提高伪装目标的检测性能。检测性能。检测性能。

【技术实现步骤摘要】
一种基于注意力机制和卷积神经网络的伪装目标检测方法


[0001]本专利技术涉及一种基于注意力机制和卷积神经网络的伪装目标检测方法，属于伪装目标检测领域。

技术介绍

[0002]在自然界中许多生物都具有“伪装”的本领，变色龙能够根据周遭的环境来调整自身颜色以达到其“伪装”的目的；狮子将身体“伪装”在草丛之中而伺机等待猎物的靠近；蝴蝶躺在与自身颜色相近的树干上一动不动以躲过天敌的伤害。生物学家将这类伪装方式称为背景匹配，即动物为避免被识别，会尝试改变其自身颜色以“完美”地融入周围环境。因此相对于通用目标检测与显著性目标检测中目标和背景均有较为明显的差异性，且通常情况下通过人眼也能较容易地分辨出来，伪装目标检测中伪装目标与背景之间所存在的高度相似性，使得关于伪装目标的检测更具有挑战性。
[0003]伪装目标的边界与背景之间的分界相当模糊并且难以区分，不引入额外的先验信息很难精准地定位到伪装物体，文献
“ꢀ
Camou
fl
aged object segmentation with distraction min本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制和卷积神经网络的伪装目标检测方法，其特征在于，具体包括以下步骤：S1、将伪装目标的图像数据集划分为训练集和测试集；S2、将训练集图像输入至预先构建好的伪装目标检测网络模型的主干网络提取含有伪装目标图像的多尺度特征；S3、将主干网络的特征提取层Stage3、Stage4、Stage5输出的特征分别输入进位置感知循环卷积模块PARCM输出全局特征；S4、利用边缘提取模块EEM提取伪装目标的边缘轮廓信息，进而得到边缘预测图，并通过伪装目标的边缘标签对进行边界监督；S5、将步骤S3中获得的全局特征与步骤S4中获得的边缘轮廓信息进行有效融合后，继而进行多尺度特征融合得到多尺度聚合特征；S6、将步骤S5得到的多尺度聚合特征进行处理获得伪装目标预测图，并通过伪装目标的二值标签图对其进行深度监督；S7、以测试集图像作为训练完成的伪装目标检测网络模型的输入，获取最终的伪装目标检测结果。2.根据权利要求1所述的一种基于注意力机制和卷积神经网络的伪装目标检测方法，其特征在于，所述主干网络使用EfficientNet系列中的EfficientNet
‑
B4模型提取含有伪装目标图像的多尺度特征。3.根据权利要求2所述的一种基于注意力机制和卷积神经网络的伪装目标检测方法，其特征在于，步骤S4中利用边缘提取模块EEM提取伪装目标的边缘轮廓信息，进而得到边缘预测图，并通过伪装目标的边缘标签对进行边界监督的具体内容包括：利用边缘提取模块EEM将主干网络的特征提取层Stage2输出的低层特征与特征提取层Stage5输出的高级语义特征进行融合提取伪装目标的边缘轮廓信息，将边缘提取模块EEM的输出通过归一化函数Sigmoid得到二值图，将上采样四倍得到边缘预测图，通过伪装目标的边缘标签对进行边界监督，使用的边缘损失函数为。4.根据权利要求1所述的一种基于注意力机制和卷积神经网络的伪装目标检测方法，其特征在于，所述步骤S3中的位置感知循环卷积模块PARCM包括位置感知循环卷积组件ParC和通道注意力组件，其中所述位置感知循环卷积组件ParC采用全局循环卷积GCC提取全局特征，...

【专利技术属性】
技术研发人员：朱虎，鲁飞，邓丽珍，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：