本发明专利技术公开了一种伪装物分割方法、装置、设备及存储介质，该方法包括：根据预设编码器对待识别图像进行特征提取，获得初始图像特征，预设编码器的骨干网络由预设Transformer组成；通过预设解码器对初始图像特征进行并行信息重建，获得目标分割伪装物。本实施例可通过将预设Transformer作为骨干网络的预设编码器对待识别图像进行特征提取，从而基于预设Transformer的全局感知能力获取包含更多全局特征的初始图像特征，再通过预设解码器对初始图像特征进行并行信息重建，从而在不影响模型分割速度的情况下，增强模型的表达能力，提升了模型的分割精度。
【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种伪装物分割方法、装置、设备及存储介质。
技术介绍
1、伪装物体分割是一种特殊的图像分割方法，其可广泛应用于不同领域，实现如进行搜救、寻找稀有物种、息肉分割、肺炎分割和伪装蝗虫分割等不同功能，因此愈发受到人们重视。
2、目前综合分割效果最好的伪装物体分割方法为基于cnn神经网络从图像中分割出伪装物体，然而，由于伪装物体在复杂的背景中有很强的伪装性，现有伪装物分割方法存在分割精度低的问题。
3、上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种伪装物分割方法、装置、设备及存储介质，旨在解决现有伪装物分割方法分割精度低的技术问题。
2、为实现上述目的，本专利技术提供了一种伪装物分割方法，所述方法包括：
3、根据预设编码器对待识别图像进行特征提取，获得初始图像特征，所述预设编码器的骨干网络由预设transformer组成；
4、通过预设解码器对所述初始图像特征进行并行信息重建，获得目标分割伪装物。
5、可选地，所述预设编码器包括：主干模块、预设transformer骨干网络和注意力模块；所述初始图像特征包括：目标多尺寸特征和关键图像特征；
6、所述根据预设编码器对待识别图像进行特征提取，获得初始图像特征的步骤，包括：
7、根据所述主干模块对待识别图像进行信息提取，获得初始图像信息；</p>8、根据所述预设transformer骨干网络对所述初始图像信息进行特征扩展捕获，获得所述目标多尺寸特征；
9、根据所述注意力模块对预设关键特征进行维度特征过滤，获得所述关键图像特征，所述预设关键特征为所述目标多尺寸特征对应的最后一层特征图。
10、可选地，所述注意力模块包括：第一至第三维度分支；所述关键图像特征包括：第一至第三维度特征；所述根据所述注意力模块对预设关键特征进行维度特征过滤，获得所述关键图像特征的步骤包括：
11、根据第一维度分支对所述预设关键特征进行通道维度和第一空间维度的注意力运算，获得第一维度特征；
12、根据第二维度分支对所述预设关键特征进行所述通道维度和第二空间维度的注意力运算，获得第二维度特征；
13、根据所述第一维度分支对所述预设关键特征进行所述第一空间维度和所述第二空间维度的空间相关性运算，获得所述第三维度特征。
14、可选地，所述预设解码器包括：感受野增强模块和特征增强分析模块；所述通过预设解码器对所述初始图像特征进行并行信息重建，获得目标分割伪装物的步骤，包括：
15、通过所述感受野增强模块对所述初始图像特征进行并行卷积处理，获得中间识别特征；
16、通过所述特征增强分析模块对所述中间识别特征进行信息增强分析，获得目标分割伪装物。
17、可选地，所述特征增强分析模块包括：特征聚合模块和反向注意力模块；所述通过所述特征增强分析模块对所述中间识别特征进行信息增强分析，获得目标分割伪装物的步骤，包括：
18、通过所述特征聚合模块对所述中间识别特征进行特征融合，获得初始分割伪装物；
19、通过所述反向注意力模块对所述初始分割伪装物进行边界增强，获得目标分割伪装物。
20、可选地，所述中间识别特征包括低级特征图和高级特征图；所述通过所述特征聚合模块对所述中间识别特征进行特征融合，获得初始分割伪装物的步骤，包括：
21、通过所述特征聚合模块对所述低级特征图和所述高级特征图进行并行特征聚合，获得初始分割伪装物。
22、可选地，所述通过所述反向注意力模块对所述初始分割伪装物进行边界增强，获得目标分割伪装物之后，还包括：
23、根据预设损失函数和所述目标分割伪装物对应的真实标签确定预设像素损失；
24、根据所述预设像素损失对所述预设解码器进行模型更新。
25、此外，为实现上述目的，本专利技术还提出一种伪装物分割装置，所述伪装物分割装置包括：
26、特征提取模块，用于根据预设编码器对所述待识别图像进行特征提取，获得初始图像特征，所述预设编码器的骨干网络由预设transformer组成；
27、伪装物分割模块，用于通过预设解码器对所述初始图像特征进行并行信息重建，获得目标分割伪装物。
28、此外，为实现上述目的，本专利技术还提出一种伪装物分割设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的伪装物分割程序，所述伪装物分割程序配置为实现如上文所述的伪装物分割方法的步骤。
29、此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有伪装物分割程序，所述伪装物分割程序被处理器执行时实现如上文所述的伪装物分割方法的步骤。
30、本专利技术公开了一种伪装物分割方法、装置、设备及存储介质，该方法包括：根据主干模块对待识别图像进行信息提取，获得初始图像信息；根据预设transformer骨干网络对初始图像信息进行特征扩展捕获，获得目标多尺寸特征；根据第一维度分支对预设关键特征进行通道维度和第一空间维度的注意力运算，获得第一维度特征；根据第二维度分支对预设关键特征进行通道维度和第二空间维度的注意力运算，获得第二维度特征；根据第一维度分支对预设关键特征进行第一空间维度和第二空间维度的空间相关性运算，获得第三维度特征，预设关键特征为目标多尺寸特征对应的最后一层特征图。本专利技术可通过将预设transformer作为骨干网络的预设编码器对待识别图像进行特征提取，可基于预设transformer的全局感知能力获取包含更多的全局特征的初始图像特征，增强模型的表达能力。再通过预设解码器对初始图像特征进行并行信息重建，从而在不影响模型分割速度的情况下，提升了模型的分割精度，进而快速准确地分割出隐藏在待识别图像的背景中的目标伪装物。此外，本专利技术还可通过注意力机制补强了模型的局部感知能力，使模型将更多的注意力集中在伪装目标上，进一步提高伪装物的分割精度。
本文档来自技高网...
【技术保护点】
1.一种伪装物分割方法，其特征在于，所述伪装物分割方法包括以下步骤：
2.如权利要求1所述的伪装物分割方法，其特征在于，所述预设编码器包括：主干模块、预设Transformer骨干网络和注意力模块；所述初始图像特征包括：目标多尺寸特征和关键图像特征；
3.如权利要求2所述的伪装物分割方法，其特征在于，所述注意力模块包括：第一至第三维度分支；所述关键图像特征包括：第一至第三维度特征；所述根据所述注意力模块对预设关键特征进行维度特征过滤，获得所述关键图像特征的步骤包括：
4.如权利要求3所述的伪装物分割方法，其特征在于，所述预设解码器包括：感受野增强模块和特征增强分析模块；所述通过预设解码器对所述初始图像特征进行并行信息重建，获得目标分割伪装物的步骤，包括：
5.如权利要求4所述的伪装物分割方法，其特征在于，所述特征增强分析模块包括：特征聚合模块和反向注意力模块；所述通过所述特征增强分析模块对所述中间识别特征进行信息增强分析，获得目标分割伪装物的步骤，包括：
6.如权利要求5所述的伪装物分割方法，其特征在于，所述中间识别特征包括低级特征图和高级特征图；所述通过所述特征聚合模块对所述中间识别特征进行特征融合，获得初始分割伪装物的步骤，包括：
7.如权利要求6所述的伪装物分割方法，其特征在于，所述通过所述反向注意力模块对所述初始分割伪装物进行边界增强，获得目标分割伪装物之后，还包括：
8.一种伪装物分割装置，其特征在于，所述伪装物分割装置包括：
9.一种伪装物分割设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的伪装物分割程序，所述伪装物分割程序配置为实现如权利要求1至7中任一项所述的伪装物分割方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有伪装物分割程序，所述伪装物分割程序被处理器执行时实现如权利要求1至7任一项所述的伪装物分割方法的步骤。
...
【技术特征摘要】
1.一种伪装物分割方法，其特征在于，所述伪装物分割方法包括以下步骤：
2.如权利要求1所述的伪装物分割方法，其特征在于，所述预设编码器包括：主干模块、预设transformer骨干网络和注意力模块；所述初始图像特征包括：目标多尺寸特征和关键图像特征；
3.如权利要求2所述的伪装物分割方法，其特征在于，所述注意力模块包括：第一至第三维度分支；所述关键图像特征包括：第一至第三维度特征；所述根据所述注意力模块对预设关键特征进行维度特征过滤，获得所述关键图像特征的步骤包括：
4.如权利要求3所述的伪装物分割方法，其特征在于，所述预设解码器包括：感受野增强模块和特征增强分析模块；所述通过预设解码器对所述初始图像特征进行并行信息重建，获得目标分割伪装物的步骤，包括：
5.如权利要求4所述的伪装物分割方法，其特征在于，所述特征增强分析模块包括：特征聚合模块和反向注意力模块；所述通过所述特征增强分析模块对所述中间识别特征...
【专利技术属性】
技术研发人员：罗刚，孙开琼，郭毅坚，
申请(专利权)人：武汉轻工大学，
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。