基于联级特征融合与混合编码的绿化弃料分割方法及装置制造方法及图纸

本发明专利技术公开了基于联级特征融合与混合编码的绿化弃料分割方法及装置，包括：获取绿化弃料场景图像，并对绿化弃料场景图像进行预处理；将预处理后的绿化弃料场景图像输入改进语义分割网络结构，通过改进语义分割网络结构输出分割结果。本发明专利技术的改进语义分割网络结构通过使用高分辨率特征图进行联级特征融合，使用高效混合编码的自注意力机制与环形特征融合网络分别对C5、C4、C3层进行特征差异化与扩大差异，最后通过U型结构增加浅层表征能力，使得可以在低功耗、低算力的边缘端进行绿化弃料场景的高精度分割运算。本发明专利技术可以在移动或固定场景下使用低资源的边缘计算设备完成对绿化弃料场景的高精度语义分割任务。

【技术实现步骤摘要】

本专利技术涉及绿化弃料场景图像分割，具体涉及基于联级特征融合与混合编码的绿化弃料分割方法及装置。

技术介绍

1、目前对于语义分割场景的高精度主流方法都是基于transformer的各种变种，例如sam(segment anything)、fastsam(fast segment anything)、mobilesam(mobilesegment anything)等大型语义分割模型，或者利用高分辨率特征的hrnet网络(high-resolution networks)，以及使用编解码结构与池化金字塔的deeplabv3+等。

2、对于各种sam变种模型，在能有较高的分割能力的同时由于引入了mfp(maskedfeature prediction)机制和负样本处理让其在处理多种形状和尺寸的物体时更为灵活，但是由于使用了多层的transformer encoder，并且直接对原始图像的embedding做处理导致了模型参数量巨大。而hrnet网络这种充分使用高分辨率特征的网络虽然精度较高，但是由于高分辨率特征高强度使用，同样有参数量大资源消耗严重本文档来自技高网...

【技术保护点】

1.基于联级特征融合与混合编码的绿化弃料分割方法，其特征在于，该方法包括：

2.根据权利要求1所述的基于联级特征融合与混合编码的绿化弃料分割方法，其特征在于，所述多层联级特征提取网络是对HRNet网络的原骨干网络进行改进，将原骨干网络联级中的所有通用卷积块改为深度可分离卷积层，减少参数量；同时，保留浅层特征层的第一特征层C2、第二特征层C3低级语义信息，即保留第一特征层C2、第二特征层C3的高分辨率；

3.根据权利要求2所述的基于联级特征融合与混合编码的绿化弃料分割方法，其特征在于，所述多层联级特征层中每层的第一个特征图采用步长为2的卷积块进行下采样，得到下一层的...

【技术特征摘要】

1.基于联级特征融合与混合编码的绿化弃料分割方法，其特征在于，该方法包括：

2.根据权利要求1所述的基于联级特征融合与混合编码的绿化弃料分割方法，其特征在于，所述多层联级特征提取网络是对hrnet网络的原骨干网络进行改进，将原骨干网络联级中的所有通用卷积块改为深度可分离卷积层，减少参数量；同时，保留浅层特征层的第一特征层c2、第二特征层c3低级语义信息，即保留第一特征层c2、第二特征层c3的高分辨率；

3.根据权利要求2所述的基于联级特征融合与混合编码的绿化弃料分割方法，其特征在于，所述多层联级特征层中每层的第一个特征图采用步长为2的卷积块进行下采样，得到下一层的第一个特征图；每层之间通过上采样、下采样进行交互连接，然后依次通过stage阶段，每个stage阶段由多个基本块连接，三个stage阶段分别使用了2个基本块、4个基本块、2个基本块；

4.根据权利要求1所述的基于联级特征融合与混合编码的绿化弃料分割方法，其特征在于，所述高效混合编码模块包括内尺度交互网络和环形网络；

5.根据权利要求1所述的基于联级特征融合与混合编码的绿化弃料分割方法，其特征在于，所述解码和头...

【专利技术属性】
技术研发人员：代辉，张结斌，李骥东，郑义，薛晓轩，
申请(专利权)人：成都合能创越软件有限公司，
类型：发明
国别省市：