【技术实现步骤摘要】
本专利技术属于图像处理，尤其涉及基于内容自适应分区和背景检索机制的伪装物体分割方法。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、深度学习算法的飞速进步促进了伪装目标检测领域的创新与发展。对于伪装目标的检测，使用像素级的标注可以提供更为精确的信息，因为像素级标注能够描述目标与周围背景之间的细微差别。而这些差别往往是传统目标检测所无法捕捉到的。使用深度学习技术，可以更好地利用这些像素级标注信息，从而提高伪装目标检测的精度。
3、早期传统的伪装目标检测方法通过手工设计的特征来进行预测，难以解决复杂场景下的伪装目标检测。为了解决这一挑战性的任务，近年来一系列基于深度学习的方法相继被提出，他们可分为三个类别：多尺度特征聚合、多阶段细化策略和多任务共同训练。
4、关于多尺度特征聚合，youwei pang等在“zoomin and out:amixed-scaletriplet network for camouflaged object detection”...
【技术保护点】
1.基于自适应分区和背景检索的伪装物体分割方法，其特征是，包括：
2.如权利要求1所述的基于自适应分区和背景检索的伪装物体分割方法，其特征是，所述待分割的完整的图像输入至第一共享网络，所述第一共享网络包括图像编码器及图像解码器；
3.如权利要求1所述的基于自适应分区和背景检索的伪装物体分割方法，其特征是，所述图像编码器对输入的待分割的完整的图像进行编码以获得不同层级的特征，具体为：
4.如权利要求1所述的基于自适应分区和背景检索的伪装物体分割方法，其特征是，在候选前景区中利用与初始分割相同的过程进行再次分割预测，具体包括：
<...【技术特征摘要】
1.基于自适应分区和背景检索的伪装物体分割方法，其特征是，包括：
2.如权利要求1所述的基于自适应分区和背景检索的伪装物体分割方法，其特征是，所述待分割的完整的图像输入至第一共享网络，所述第一共享网络包括图像编码器及图像解码器；
3.如权利要求1所述的基于自适应分区和背景检索的伪装物体分割方法，其特征是，所述图像编码器对输入的待分割的完整的图像进行编码以获得不同层级的特征，具体为：
4.如权利要求1所述的基于自适应分区和背景检索的伪装物体分割方法，其特征是，在候选前景区中利用与初始分割相同的过程进行再次分割预测，具体包括：
5.如权利要求1所述的基于自适应分区和背景检索的伪装物体分割方法，其特征是，基于背景检索机制再利用置信背景区的特征来剔除错判为前景的背景点，...
【专利技术属性】
技术研发人员：张勇，侯淇彬，尹博文，张旭迎，程明明，
申请(专利权)人：南开大学，
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。