【技术实现步骤摘要】
本专利技术涉及图像处理，具体为一种基于轻量级渐进图神经网络的图像实例分割方法。
技术介绍
1、图像实例分割是计算机视觉领域中的重要任务，其旨在将图像中的不同目标实例进行像素级别的分割，以便进行精准的对象识别和定位。传统的实例分割方法在准确性和计算效率之间往往存在折衷，而现有的深度学习方法虽然准确性较高，但它们的计算复杂度较高，难以在存储和计算能力有限的设备上部署，从而限制了很多模型的应用范围。目前深度网络对大规模数据的需求较高，但采集和标注这些数据通常耗时。相比之下，使用生成模型可以生成无限数量的合成数据。
2、现有技术中，传统的方法使用卷积神经网络和transformer视觉主干网络来处理图像，但它们在捕捉不规则形状的物体方面存在一定的限制。其中，卷积网络将图像转换为网格结构进行处理，而transformer将其转换为序列结构进行处理。
3、但是，上述方法在处理不规则物体时缺乏灵活性。近年来，出现的视觉图神经网络(vision gnn)通过对图像进行图层级的特征处理来解决这个问题。然而，这种方法仍然存在一些挑战：邻节点选择的不准确性导致信息传递不够精确；节点信息聚合计算的昂贵性可能导致模型的计算复杂度增加；网络深层结构中出现的信息过度平滑导致模型难以捕捉细粒度的特征变化。
技术实现思路
1、本专利技术的目的在于提供一种基于轻量级渐进图神经网络的图像实例分割方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一
3、构建数据集；
4、数据预处理；
5、构建渐进图神经网络；
6、模型轻量化；
7、训练和优化；
8、图像实例分割。
9、优选的，构建的数据集的具体操作包括：
10、从已有的数据源中收集的图像样本，每个图像样本包括原始图像以及对应的像素级标签，标签指示了每个像素属于哪个目标实例；采用手动标注或半自动标注的方式来生成这些标签；
11、使用通用数据集生成模型datasetdm生成多样的合成图像以及相应的高质量感知标注；
12、数据集包含多个场景、角度、光照条件，以确保模型的鲁棒性和泛化能力。
13、优选的，对构建的数据集进行预处理的具体操作包括：
14、预处理操作包括图像增强、数据标准化、数据增强。
15、优选的，构建渐进图神经网络的具体操作包括：
16、渐进视觉图架构中构造了两个独立的图用于全局和局部建模，并使用一种快速的图节点聚合和更新机制。
17、优选的，模型轻量化的具体操作包括：
18、使用一个空间分辨率和token集合一样大小的动态卷积核在原始域中进行token融合,具有在全局范围内进行内容自适应token融合的作用。
19、优选的，训练和优化的具体操作包括：
20、使用经过预处理的数据集对轻量级渐进图神经网络进行训练，在每个训练迭代中，将训练集的样本输入到轻量级渐进图神经网络中，计算损失函数的梯度，然后通过反向传播算法更新网络的权重和偏置。
21、优选的，图像实例分割的具体操作包括：
22、将图像输入网络，让网络对图像中的不同目标实例进行像素级别的分割，网络将对图像的每个像素进行预测，得到一个预测的实例标签，标签将指示每个像素所属的实例，根据网络的预测结果，使用基于像素值的阈值来去除不确定的预测，进行像素级别的平滑操作来减少噪声，为每个实例分配一个独特的颜色，并将颜色映射到图像上。
23、与现有技术相比，本专利技术的有益效果是：
24、本专利技术提出的基于轻量级渐进图神经网络的图像实例分割方法，通过逐步优化和轻量化设计，在保持较高准确性的同时，降低了模型的计算复杂度，使其适用于计算资源受限的设备。该方法在实例分割任务中具有较好的性能，为移动设备等资源受限场景下的图像实例分割提供了一种有效解决方案。
本文档来自技高网...【技术保护点】
1.一种基于轻量级渐进图神经网络的图像实例分割方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于轻量级渐进图神经网络的图像实例分割方法，其特征在于：构建的数据集的具体操作包括：
3.根据权利要求1所述的一种基于轻量级渐进图神经网络的图像实例分割方法，其特征在于：对构建的数据集进行预处理的具体操作包括：
4.根据权利要求1所述的一种基于轻量级渐进图神经网络的图像实例分割方法，其特征在于：构建渐进图神经网络的具体操作包括：
5.根据权利要求1所述的一种基于轻量级渐进图神经网络的图像实例分割方法，其特征在于：模型轻量化的具体操作包括：
6.根据权利要求1所述的一种基于轻量级渐进图神经网络的图像实例分割方法，其特征在于：训练和优化的具体操作包括：
7.根据权利要求1所述的一种基于轻量级渐进图神经网络的图像实例分割方法，其特征在于：图像实例分割的具体操作包括：
【技术特征摘要】
1.一种基于轻量级渐进图神经网络的图像实例分割方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种基于轻量级渐进图神经网络的图像实例分割方法，其特征在于：构建的数据集的具体操作包括：
3.根据权利要求1所述的一种基于轻量级渐进图神经网络的图像实例分割方法，其特征在于：对构建的数据集进行预处理的具体操作包括：
4.根据权利要求1所述的一种基于轻量级渐进图神经网络的图像实例分...
【专利技术属性】
技术研发人员：杨彤，李雪，陈其宾，姜凯，
申请(专利权)人：山东浪潮科学研究院有限公司，
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。