申请/专利权人：西南科技大学

申请日：2024-04-22

公开（公告）日：2024-06-21

公开（公告）号：CN118072001B

主分类号：G06F17/00

分类号：G06F17/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.06.11#实质审查的生效;2024.05.24#公开

摘要：本发明公开了一种基于尺度特征感知和广泛感知卷积的伪装目标检测方法，属于伪装目标检测技术领域，包括以下步骤：采集伪装图像，并对伪装图像进行预处理，得到三个尺度下的输入图像；构建伪装目标检测模型，并通过先验知识构建损失函数；将三个尺度下的输入图像输入至优化后的伪装目标检测模型中进行检测，分割出伪装目标，完成伪装目标检测。本发明解决了现有技术在特征融合过程中未充分考虑全局语义信息以及特征之间无法充分利用互补信息，导致最终预测的准确性不足的问题。

主权项：1.一种基于尺度特征感知和广泛感知卷积的伪装目标检测方法，其特征在于，包括以下步骤：S1、采集伪装图像，并对伪装图像进行预处理，得到三个尺度下的输入图像；S2、构建伪装目标检测模型，并通过先验知识构建损失函数；S3、将三个尺度下的输入图像输入至优化后的伪装目标检测模型中进行检测，分割出伪装目标，完成伪装目标检测；所述S2中伪装目标检测模型包括依次连接的共享特征编码模块、尺度特征聚合模块SFAM、多层混合尺度解码模块以及广泛感知卷积模块；所述S3的具体步骤为：S31、将三个尺度下的输入图像输入至共享特征编码模块中，得到尺度特征；S32、将尺度特征输入至尺度特征聚合模块SFAM中，得到尺度聚合特征；S33、将尺度聚合特征输入多层混合尺度解码模块中进行尺度解码，得到解码特征；S34、将解码特征输入至广泛感知卷积模块中进行通道降维，得到单通道的特征图，完成伪装目标检测；所述S31中共享特征编码模块的表达式为： 其中，表示第层尺度为的尺度特征，表示通道压缩单元CCU，表示主干网路，表示尺度为的输入图像；所述通道压缩单元CCU的表达式为： 其中，表示第5层尺度为的尺度特征，表示改进空洞空间卷积池化金字塔LASPP，表示第5层尺度为的提取特征，表示通用卷积块，表示第层尺度为的提取特征；所述改进空洞空间卷积池化金字塔LASPP的表达式为： 其中，表示改进空洞空间卷积池化金字塔LASPP，表示1×1卷积层，表示空洞扩张率为2的3×3卷积层，表示空洞扩张率为5的3×3卷积层，表示空洞扩张率为7的3×3卷积层，表示1×1卷积层，表示特征拼接操作，表示有效大核可分离注意力ELSKA，表示通道维度上的融合操作；所述S32中尺度特征聚合模块SFAM的表达式为： 其中，表示大尺度特征，表示中尺度特征，表示小尺度特征，表示全局平均池化，表示全局最大池化，表示第层尺度为1.5的尺度特征，表示第层尺度为1.0的尺度特征，表示上线性插值，表示第层尺度为0.5的尺度特征，表示有效大核可分离注意力ELSKA，表示尺度特征权重，表示数值向量归一化函数，表示第层尺度聚合特征，、和分别表示大尺度特征权重、中尺度特征权重和小尺度特征权重；所述有效大核可分离注意力ELSKA的表达式为： 其中，表示卷积核大小，表示卷积的扩张率，表示输入通道的数量，表示特征图的高度，表示特征图的宽度，表示具有等效内核大小的可变形深度卷积的输出，表示大小为的可变形深度卷积，表示大小为的可变形深度卷积，表示卷积操作，表示输入特征图，表示具有等效内核大小的可变形深度扩张卷积的输出，表示大小为的可变形深度扩张卷积，表示大小为的可变形深度扩张卷积，表示特征注意力图，表示1×1卷积核，表示输出特征图，表示哈达玛积；所述多层混合尺度解码模块的表达式为： 其中，表示第5层混合解码特征，表示第5层尺度聚合特征，表示第层尺度聚合特征，表示第层混合解码特征，表示第层混合解码特征，表示2倍上采样操作，表示特征通道交互和增强单元CIEM；当时，第1层混合解码特征为所述多层混合尺度解码模块的输出特征，即解码特征；所述特征通道交互和增强单元CIEM的表达式为： 其中，表示通道交互增强单元CIEM的输出特征，表示通道交互增强单元CIEM的输入特征，表示sigmoid激活函数，表示全连接层，表示全局平均池化，表示全局最大池化；所述S34中的广泛感知卷积模块包括依次连接的3×3广泛感知卷积EGAconv和1×1卷积；所述广泛感知卷积EGAconv的表达式为： 其中，表示广泛感知卷积EGAconv的输出特征，表示的2D卷积，表示特征形状调整操作，表示的分组卷积，表示1×1的分组卷积，表示广泛感知卷积EGAconv的输入特征，表示数值向量归一化函数，表示平均池化操作，表示非线性激活函数，表示归一化操作。

全文数据：

权利要求：

百度查询： 西南科技大学 基于尺度特征感知和广泛感知卷积的伪装目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD