申请/专利权人：南京信息工程大学

申请日：2024-01-19

公开（公告）日：2024-04-16

公开（公告）号：CN117593517B

主分类号：G06V10/25

分类号：G06V10/25;G06V10/44;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明公开了基于互补感知跨视图融合网络的伪装目标检测方法，包括：获取图像数据；构建跨视图融合网络；利用图像数据训练集对跨视图融合网络进行训练，生成训练完成后的伪装目标检测模型；采集待检测图像，对待检测图像进行预处理，将预处理后的待检测图像输入至训练完成后的伪装目标检测模型中，生成当前伪装目标的检测结果。本发明通过利用SCF模块获取前景与背景相互之间不同但互补的语义信息，通过使用Transformer作为主干，配合之后的融合模块，解决了获取的语义的局部性问题；通过利用跨模态跨视角的互补信息，有效地发现在单个视角中难以识别的伪装线索，获取得到更完整的伪装对象区域。

主权项：1.基于互补感知跨视图融合网络的伪装目标检测方法，其特征在于，包括以下步骤：步骤1，获取图像数据，将图像数据进行预处理，将预处理之后的图像数据划分为训练集和测试集；步骤2，构建跨视图融合网络，包括：首先，利用两个并行的特征编码器提取输入图片的前景语义特征和背景语义特征，再利用卷积分别对前景语义特征和背景语义特征进行通道压缩；然后，分别利用金字塔式解码器对通道压缩后的前景语义特征和背景语义特征进行初始特征学习，生成初始前景语义图Fi、初始背景语义图Bi、初始前景预测图Pf和初始背景预测图Pb；随后，利用跨视图融合模块对不同语义图之间进行交互融合，生成跨视图特征融合图最后，使用渐进解码器将逐渐融合，生成最终预测图；步骤3，利用图像数据训练集对跨视图融合网络进行训练，生成训练完成后的伪装目标检测模型；步骤4，采集待检测图像，对待检测图像进行预处理，将预处理后的待检测图像输入至训练完成后的伪装目标检测模型中，生成当前伪装目标的检测结果；跨视图融合模块包括4个子模块SCFi，每个子模块SCFi包括原始语义引导模块O-GM、背景语义引导模块B-GM、前景语义引导模块F-GM和总语义引导模块T-GM；原始语义引导模块O-GM，用于将初始前景语义图和初始背景语义图通过LCI融合模块进行融合，生成特征图数学模型表达式为： 背景语义引导模块B-GM，用于将初始背景预测图和初始前景语义图相乘，生成特征图Fi′，并将Fi′和Bi送入LCI融合模块进行融合，生成特征图数学模型表达式为：Fi′＝Fi⊙Pb 其中，⊙表示为逐元素相乘；前景语义引导模块F-GM，用于将初始前景预测图pf与初始背景语义图Bi相乘，生成特征图Bi′，并将Bi′和Fi送入LCI融合模块进行融合，从而增强背景特征图中前景语义的权重，生成特征图数学模型表达式为：Bi′＝Bi⊙Pf 总语义引导模块T-GM，用于探索当Fi和Bi包含丰富的前景和背景语义时被分割的伪装对象，将Fi送入卷积-归一化-激活函数relu层和激活函数sigmoid层，随后将生成的特征图和Bi相乘，并继续送入卷积-归一化-激活函数relu层，生成Fi分支新的特征图；将Bi送入卷积-归一化-激活函数relu层和激活函数sigmoid层，随后将生成的特征图和Fi相乘，生成Bi分支新的特征图，然后将Fi和Bi两个分支新生成的特征图逐元素相乘，和Fi连接Bi生成的特征图一起送到LCI融合模块，生成特征图数学模型表达式为：Fi′＝CBRSigmoidCBRFi⊙BiBi′＝CBRSigmoidCBRBi⊙Fi 其中，CBR表示堆叠的Conv-BN-ReLU层，Sigmoid表示激活函数sigmoid层，Ф表示通道连接操作，i＝1,2,3,4；将特征图和沿通道连接在一起，生成特征图作为每一个SCFi模块的输出项；在利用LCI融合模块进行特征融合时，首先沿着channel维度将两个输入特征各分成4组，两个输入分组的通道块彼此连接；然后，将连接的通道块送入卷积-归一化-激活函数层，并与下一层的通道块相连接；最后，四个通道块经过连接和卷积-归一化-激活函数relu层的特征图一起连接，并送入卷积-归一化-激活函数relu层得到Ai。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于互补感知跨视图融合网络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