一种基于改进损失的多模态飞机目标分割方法技术

本发明专利技术公开了一种基于改进损失的多模态飞机目标分割方法，首先构建飞机目标语义分割网络，所述飞机目标语义分割网络的输入为待分割的多模态图像，输出为预测掩码；然后构建关键点损失函数，基于关键点损失函数对飞机目标语义分割网络进行训练；将待分割的多模态图像输入到训练后的飞机目标语义分割网络，得到预测掩码，最后按预测掩码对从图像中分割出目标。本发明专利技术通过结合几何信息的关键点损失函数，有效减少背景区域误判，提升了复杂背景下的分割效果，同时还具有计算量少、推理速度快等优点。

【技术实现步骤摘要】

本专利技术属于图像分割，具体涉及一种飞机目标分割方法。

技术介绍

1、在计算机视觉领域，飞机目标的语义分割是一项重要任务，其主要目的是识别并区分图像中每个像素的类别，并准确地识别飞机及其不同部分，从而将飞机目标从复杂的背景图像中分割出来。随着遥感技术和无人机拍摄的普及，获取高分辨率航空图像变得越来越容易，这为飞机目标的语义分割提供了广阔的应用前景。精细的飞机目标分割不仅有助于识别飞机型号，还能用于分析空中交通流量、支撑损伤检测等任务。特别是对于小目标，语义分割由于更贴合目标外形，能够更好地完成目标提取任务。如公开号为cn118537550a的中国专利技术专利申请公开了一种基于轮廓约束优化的飞机表面特征分割方法，通过采集图像数据并经特征提取、轮廓约束提取、目标预测及掩膜优化等操作，优化边缘分割效果。公开号为cn118608912a的中国专利技术专利申请公开了一种基于图像分割的飞机跑道异物检测方法，通过设计多尺度特征学习融合及随机融合特征训练，实现增强异物检测定位和算法鲁棒性的效果。论文文献《飞机目标红外图像序列双阈值分割方法》（涂建平，彭应宁，兵工学报）提出本文档来自技高网...

【技术保护点】

1.一种基于改进损失的多模态飞机目标分割方法，其特征在于，步骤包括：

2.如权利要求1所述的基于改进损失的多模态飞机目标分割方法，其特征在于：所述飞机目标语义分割网络基于U-Net网络结构，其输入层将输入的多模态图像按通道维度拼接得到多模态特征图，并在编码器和解码器的每个卷积层之后加入Shuffle-Attention模块。

3.如权利要求2所述的基于改进损失的多模态飞机目标分割方法，其特征在于：所述Shuffle-Attention模块是将通道混洗层与注意力机制相结合，先混洗通道，再通过1x1卷积生成注意力掩码。

4.如权利要求1所述的基于改进损失的...

【技术特征摘要】

1.一种基于改进损失的多模态飞机目标分割方法，其特征在于，步骤包括：

2.如权利要求1所述的基于改进损失的多模态飞机目标分割方法，其特征在于：所述飞机目标语义分割网络基于u-net网络结构，其输入层将输入的多模态图像按通道维度拼接得到多模态特征图，并在编码器和解码器的每个卷积层之后加入shuffle-attention模块。

3.如权利要求2所述的基于改进损失的多模态飞机目标分割方法，其特征在于：所述shuffle-attention模块是将通道混洗层与注意力机制相结合，先混洗通道，再通过1x1卷积生成注意力掩码。

4.如权利要求1所述的基于改进损失的多模态飞机目标分割方法，其特征在于：步骤2中，训练时采用分批次训练的方式，每一批次包含e个训练样本；

...

【专利技术属性】
技术研发人员：高龙，刘超慧，韩晨，付熙文，刘刚，曾松林，吕友彬，张威，柳超，吴俊峰，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：