【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于层级图交互和单元聚类的伪装目标检测方法和系统。
技术介绍
1、伪装目标检测是计算机视觉领域的一项技术，旨在识别和定位那些视觉图像中经过伪装或隐蔽处理的物体。它需要结合多种先进的计算机视觉和机器学习方法，以有效识别并定位那些经过巧妙伪装的目标。
2、近年来，深度学习技术在伪装目标检测任务上取得了令人瞩目的进展。这些方法大多采用注意力特征蒸馏、多任务联合学习和仿生视觉的策略开发卷积神经网络，旨在消除伪装目标与背景区域内在相似性带来的歧义。然而，基于卷积神经网络的方法依赖于堆叠感受野受限的卷积块，无法利用长程信息，导致在具有严重遮挡或边界难以区分的复杂场景下性能较差。当前的伪装目标检测模型采用视觉自注意力编码器对伪装图片进行编码，以在不同的单元之间建立长程关系，然而这并未解决伪装图片中背景环境对识别伪装目标的干扰问题。同时现有的伪装目标检测模型输出不同尺度的特征图，这些特征之间缺乏交互机制来交换特征图中的视觉语义信息。导致输出的伪装目标结果精度较差，细节清晰度低。
【技术保护点】
1.一种基于层级图交互和单元聚类的伪装目标检测模型训练方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的基于层级图交互和单元聚类的伪装目标检测模型训练方法，其特征在于，每个区域感知单元聚焦注意力模块利用聚类算法基于自注意力机制的相似度去除冗余的特征图单元，对聚类筛选后的特征图单元进行自注意力机制计算，输出每个区域感知单元聚焦注意力模块对应的第一层级特征图，具体步骤包括：
3.根据权利要求2所述的基于层级图交互和单元聚类的伪装目标检测模型训练方法，其特征在于，对聚类筛选后的特征图单元进行自注意力机制计算，具体步骤包括：
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。