[發(fā)明專(zhuān)利]一種基于兩級(jí)優(yōu)化網(wǎng)絡(luò)的偽裝物體檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111243490.4
• 申請(qǐng)日: 2021-10-25
• 公開(kāi)（公告）號(hào): CN114187230A
• 公開(kāi)（公告）日: 2022-03-15
• 發(fā)明（設(shè)計(jì)）人: 姜璇;張亞杰;蘇荔;李國(guó)榮;黃慶明
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)院大學(xué)
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06V10/25;G06V10/80;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 廣州粵弘專(zhuān)利代理事務(wù)所(普通合伙) 44492
• 代理人: 馬騰飛

本發(fā)明涉及偽裝物體檢測(cè)的技術(shù)領(lǐng)域，特別是涉及一種基于兩級(jí)優(yōu)化網(wǎng)絡(luò)的偽裝物體檢測(cè)方法，目的是解決現(xiàn)有偽裝物體檢測(cè)技術(shù)中存在的檢測(cè)精度不足的問(wèn)題，提出了一種基于多任務(wù)學(xué)習(xí)的檢測(cè)方法，以物體邊界信息作為輔助，用來(lái)引導(dǎo)網(wǎng)絡(luò)更好地學(xué)習(xí)邊界處偽裝物體紋理與背景紋理之間的差異，從而使得網(wǎng)絡(luò)能夠更好地對(duì)偽裝物體進(jìn)行定位并分割；兩級(jí)優(yōu)化網(wǎng)絡(luò)共分為兩個(gè)階段，第一階段遵循編碼器?解碼器結(jié)構(gòu)，以ResNet50作為特征提取的主干，用于對(duì)偽裝物體進(jìn)行定位、識(shí)別，形成粗糙映射。第二階段使用并行的解碼器結(jié)構(gòu)，以物體邊緣作為邊界信息，促進(jìn)網(wǎng)絡(luò)關(guān)注物體邊緣，對(duì)第一階段生成的映射進(jìn)行優(yōu)化。

技術(shù)領(lǐng)域

本發(fā)明涉及偽裝物體檢測(cè)的技術(shù)領(lǐng)域，特別是涉及一種基于兩級(jí)優(yōu)化網(wǎng)絡(luò)的偽裝物體檢測(cè)方法。

背景技術(shù)

隨著人們對(duì)智能生活的需求趨于多樣性，目標(biāo)檢測(cè)的應(yīng)用范圍也變得愈加廣泛，偽裝物體檢測(cè)即是其重要分支之一。其關(guān)注的是物體與周?chē)年P(guān)系，旨在將“融入”周?chē)h(huán)境的偽裝物體檢測(cè)并分割出來(lái)。偽裝現(xiàn)象在人類(lèi)生活和自然界中無(wú)處不在，尤其常見(jiàn)于動(dòng)物。在動(dòng)物捕獵或躲避天敵的過(guò)程中，許多動(dòng)物都會(huì)通過(guò)改變自身的體色、形態(tài)、動(dòng)作等方式，降低自身與周?chē)h(huán)境的差異與對(duì)比度，以提升自身生存能力。這些偽裝策略通常都是基于模糊觀察者的判定能力實(shí)現(xiàn)的。

生物學(xué)研究表明，人類(lèi)視覺(jué)系統(tǒng)(HVS)對(duì)大塊區(qū)域和顏色特征最為敏感，其主要通過(guò)觀察物體與其背景之間的對(duì)比度來(lái)感知目標(biāo)。因此，HVS可能由于偽裝物體與環(huán)境的低對(duì)比度而難以對(duì)其進(jìn)行識(shí)別。

然而在某些情況下，偽裝物體識(shí)別是非常必要的。除了該任務(wù)本身對(duì)于動(dòng)物偽裝現(xiàn)象的檢測(cè)可以為動(dòng)物保護(hù)提供技術(shù)支持之外，生活中仍存在許多物體和背景高度相似的被動(dòng)偽裝現(xiàn)象：在醫(yī)學(xué)領(lǐng)域中，相似度極高的背景組織中的細(xì)微變化即有可能代表著某種病變；而在軍事領(lǐng)域中，戰(zhàn)場(chǎng)上對(duì)于迷彩偽裝的檢測(cè)也可能扭轉(zhuǎn)局勢(shì)。因此該任務(wù)的發(fā)展具有重要意義。

近年來(lái)，深度卷積網(wǎng)絡(luò)以其強(qiáng)大的特征表示能力在各種計(jì)算機(jī)視覺(jué)任務(wù)中逐漸興起，一些現(xiàn)有的偽裝物體檢測(cè)方法也基于此實(shí)現(xiàn)：Fan等人提出SINet對(duì)提取的特征進(jìn)行分層。然后將這些不同層的特征進(jìn)行融合、增強(qiáng)，以幫助獲取定位和邊緣信息，從而實(shí)現(xiàn)對(duì)偽裝目標(biāo)的準(zhǔn)確檢測(cè)。Yan等人將MirrorNet分為原始圖像分割流和鏡像分割流以尋找原始圖像和翻轉(zhuǎn)圖像之間的視覺(jué)差異，從而更好地定位偽裝物體。

盡管這些方法是根據(jù)偽裝對(duì)象的屬性提出的，但在邊緣處理方面仍有改進(jìn)的空間。因此，在本發(fā)明中，我們進(jìn)一步考慮了偽裝物體的邊界信息，從而讓模型更好地學(xué)習(xí)偽裝物體和環(huán)境在邊界處的差異，由此更加準(zhǔn)確地定位并分割偽裝物體。

發(fā)明內(nèi)容

本發(fā)明的目的是解決現(xiàn)有偽裝物體檢測(cè)技術(shù)中存在的檢測(cè)精度不足的問(wèn)題，提出了一種基于多任務(wù)學(xué)習(xí)的檢測(cè)方法，以物體邊界信息作為輔助，用來(lái)引導(dǎo)網(wǎng)絡(luò)更好地學(xué)習(xí)邊界處偽裝物體紋理與背景紋理之間的差異，從而使得網(wǎng)絡(luò)能夠更好地對(duì)偽裝物體進(jìn)行定位并分割。

本發(fā)明的一種基于兩級(jí)優(yōu)化網(wǎng)絡(luò)的偽裝物體檢測(cè)方法，兩級(jí)優(yōu)化網(wǎng)絡(luò)共分為兩個(gè)階段，第一階段遵循編碼器-解碼器結(jié)構(gòu)，以ResNet50作為特征提取的主干，用于對(duì)偽裝物體進(jìn)行定位、識(shí)別，形成粗糙映射。第二階段使用并行的解碼器結(jié)構(gòu)，以物體邊緣作為邊界信息，促進(jìn)網(wǎng)絡(luò)關(guān)注物體邊緣，對(duì)第一階段生成的映射進(jìn)行優(yōu)化。

進(jìn)一步地，第一階段為前特征融合階段，選用ResNet50作為骨干網(wǎng)絡(luò)，以保證能夠有效提取到深層特征；

該階段目的是獲得一個(gè)粗略的偽裝物體映射圖，基于對(duì)計(jì)算效率和檢測(cè)精度的考量，提出以下兩個(gè)模塊：

(1)通道注意力模塊：

在編碼器每一層的輸出上都應(yīng)用一個(gè)通道注意力機(jī)制，以保留淺層特征中的有用信息，減少冗余信息；

其旨在提取有效信息，可以表示為：