System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像和视频处理以及计算机视觉领域,具体涉及一种基于骨架-边缘标签引导的伪装目标检测方法。
技术介绍
1、随着科学技术的不断发展,数字图像处理已经广泛应用于日常社会生活的方方面面,不仅如此,它也能应用于科学研究等方面。伪装目标检测是其中一项新兴的数字图像处理任务,旨在精确并高效地检测和分割出隐藏在场景中的伪装目标。伪装是自然界中的一种常见的现象,生物通过融入周围环境来欺骗捕食者或偷袭猎物。伪装目标检测的应用领域十分广阔,除了其学术研究的价值外,研究伪装目标检测还有助于推动诸如军事上伪装隐蔽目标的搜索探测、医学领域上病理区域的分割和诊断以及对珍稀动植物的保护等等。
2、早期的伪装目标检测方法采取传统的计算机视觉和模式识别技术处理了具有伪装对象的各种类型的图像,包括手工设计的模式,如颜色、纹理、几何梯度、运动等低级特征。然而,由于伪装目标与背景高度相似,伪装物体通常不显眼并且难以分辨,这给精确检测带来了很大的挑战,传统的方法虽然有一定的成效,但在情况复杂的场景中往往得不到良好的效果,例如基于颜色的方法在伪装目标与背景颜色高度相似时失效。
3、近年来,随着深度学习在计算机视觉各领域的深入应用,出现了许多基于卷积神经网络的伪装目标检测模型,该类模型以强大的特征提取能力和自主学习能力对伪装目标信息进行建模,能够提升伪装目标检测的精度,同时还能增强伪装目标检测模型的泛化性,效果较传统的伪装检测方法有明显提升。主流的方法是将图像输入到特征提取子网络,从子网络中提取图像特征,然后根据这些特征预测伪装目标的掩码
技术实现思路
1、本专利技术的目的在于提供一种基于骨架-边缘标签引导的伪装目标检测方法,该方法通过将骨架-边缘特征进行融合,并进行信息交互以及特征蒸馏,有利于显著提高伪装目标检测的性能。
2、为实现上述目的,本专利技术的技术方案是:一种基于骨架-边缘标签引导的伪装目标检测方法,包括如下步骤:
3、步骤a、进行数据预处理,得到伪装目标的骨架-边缘标签,然后进行数据配对、数据增强处理,得到训练数据集;
4、步骤b、设计基于骨架-边缘标签引导的伪装目标检测网络,由特征提取子网络、骨架-边缘标签编码器、四个特征增强模块、六个信息交互模块、三个特征蒸馏模块和五个卷积块组成;
5、步骤c、设计损失函数,指导步骤b所设计网络的参数优化;
6、步骤d、使用步骤a得到的训练数据集训练步骤b中的基于骨架-边缘标签引导的伪装目标检测网络,得到训练好的基于骨架-边缘标签引导的伪装目标检测模型;
7、步骤e、将待测图像输入训练好的基于骨架-边缘标签引导的伪装目标检测模型,输出伪装目标的掩码图像。
8、在本专利技术一实施例中,所述步骤a包括以下步骤:
9、步骤a1、根据每张原图像对应的边缘标签图像,使用skimage库中的skimage.morphology.skeletonize算法进行内部骨架提取,将骨架和边缘组合得到对应的骨架-边缘标签。
10、步骤a2、将每张原图像与其对应的伪装目标标签图像和骨架-边缘标签图像三者组成图片三元组。
11、步骤a3、将每组图片三元组统一地进行随机左右翻转、随机裁剪、随机旋转,对数据进行增强;对原图像进行颜色增强,通过设置随机值作为参数调整原图像的亮度、对比度、饱和度和清晰度。
12、步骤a4、将数据集中的每张图像缩放为尺寸为h×w的大小相同的图像,得到训练数据集。
13、在本专利技术一实施例中,所述步骤b具体实现步骤如下:
14、步骤b1、构建特征提取子网络,提取图像特征;
15、步骤b2、设计骨架-边缘标签编码器,处理图像特征生成预测的骨架-边缘标签;
16、步骤b3、设计特征增强模块,使用步骤b2得到的骨架-边缘标签增强伪装目标内部特征以及边缘特征的表示;
17、步骤b4、设计信息交互模块,挖掘上下文语义信息并进行多层次间的双向交互以增强对象的特征;
18、步骤b5、构建特征蒸馏模块,进一步细化伪装目标的内部特征以及边缘特征;
19、步骤b6、设计基于骨架-边缘标签引导的伪装目标检测网络,包括特征提取子网络、骨架-边缘标签编码器、四个特征增强模块、六个信息交互模块、三个特征蒸馏模块和五个卷积块,使用基于骨架-边缘标签引导的伪装目标检测网络生成最终的伪装目标掩码。
20、在本专利技术一实施例中,所述步骤b1具体实现如下:
21、以pvt-v2作为特征提取子网络,对输入大小为h×w×3的原图像u进行特征提取,具体地,分别记原图像u经过第一阶段、第二阶段、第三阶段和第四阶段输出的特征图为f1、f2、f3和f4,其中特征图f1大小为特征图f2大小为特征图f3大小为特征图f4大小为c1=64,c2=128,c3=320,c4=512。
22、在本专利技术一实施例中,所述步骤b2具体实现如下:
23、步骤b21、设计骨架-边缘标签编码器,包括特征融合块和卷积块,骨架-边缘标签编码器的输入为步骤b1中提取的第一阶段特征图f1、第二阶段特征图f2、第三阶段特征图c3和第四阶段特征图f4,骨架-边缘标签编码器的输出为骨架-边缘预测掩码图mse;
24、步骤b22、设计骨架-边缘标签编码器中的特征融合块,其输入为步骤b1中提取的特征图f1、f2、f3和f4,首先,各特征图各自经过1×1卷积将通道维度统一为c1,得到特征图和使用双线性插值将特征图f'2、f'3、f'4的宽度和高度调整到与f'1相同的宽度和高度,得到特征图将f'1和f”2、f”3、f”4沿通道维度拼接,接着经过1×1卷积降低通道维度,得到特征图将特征图f'4经过一次双线性插值上采样到大小后与f'3进行逐元素相加,得到特征图接着将f'34经过一次双线性插值上采样到大小后与f'2逐元素相加,得到特征图将f'234再经过一次双线性插值上采样到大小后与f”1逐元素相加得到输出的融合特征图fse,具体公式表示如下:
25、f’i=conv1(fi),i={1,2,3,4}
26、f”4=upscale=8(f’4)
27、f”3=upscale=4(f’3)
28、f”2=upscale=2(f’2)
29、f”1=conv1(concat(f’1,f”2,f”3,f”4))
30、
31、
32、本文档来自技高网...
【技术保护点】
1.一种基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤B具体实现步骤如下:
3.根据权利要求2所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤B1具体实现如下:
4.根据权利要求3所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤B2具体实现如下:
5.根据权利要求4所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤B3具体实现如下:
6.根据权利要求5所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤B4具体实现如下:
7.根据权利要求6所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤B5具体实现步骤如下:
8.根据权利要求7所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤B6具体实现如下:
9.根据权利要求8所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征
10.根据权利要求9所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤D具体实现步骤如下:
...【技术特征摘要】
1.一种基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤b具体实现步骤如下:
3.根据权利要求2所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤b1具体实现如下:
4.根据权利要求3所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤b2具体实现如下:
5.根据权利要求4所述的基于骨架-边缘标签引导的伪装目标检测方法,其特征在于,所述步骤b3具体实现如下:
6.根据权利...
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。