[發明專利]一種基于稀疏實例激活與有效位置感知卷積的植物葉片實例分割方法在審
| 申請號： | 202310087795.3 | 申請日： | 2023-02-09 |
| 公開（公告）號： | CN116129410A | 公開（公告）日： | 2023-05-16 |
| 發明（設計）人： | 李慶鐵;熊迎軍;李靖;任守綱 | 申請（專利權）人： | 上海藍長科技集團有限公司 |
| 主分類號： | G06V20/60 | 分類號： | G06V20/60;G06V10/26;G06V10/80;G06V10/82 |
| 代理公司： | 常州西創專利代理事務所(普通合伙) 32472 | 代理人： | 王一源 |
| 地址： | 201900 上海市寶*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 稀疏 實例 激活 有效 位置 感知 卷積 植物 葉片 分割 方法 | ||
1.一種基于稀疏實例激活與有效位置感知卷積的植物葉片實例分割方法，其特征在于，包括以下步驟：
步驟1：根據輸入的圖像數據，使用主干網絡提取圖像的多維特征；
步驟2：實例上下文編碼器將主干網絡中生成的多尺度特征融合，以生成上下文信息更加豐富的單尺度特征圖；
步驟3：將生成的特征圖送入基于實例激活圖的分割解碼器中，生成葉片實例的激活圖，以突出葉片實例，用于后續網絡的識別和分割。
2.根據權利要求1所述的基于稀疏實例激活與有效位置感知卷積的實例分割方法，其特征在于，步驟2具體包括：
步驟2-1：對主干網絡傳入的高分辨特征圖使用金字塔池化模塊進行處理；
步驟2-2：將金字塔池化模塊處理后的特征同時進行卷積操作和下采樣操作，與主干網絡中其他不同尺度的特征圖結合；
步驟2-3：將處理后的特征圖進行相應的下采樣操作，下采樣到相同大小后進行結合。
3.根據權利要求1所述的基于稀疏實例激活與有效位置感知卷積的實例分割方法，其特征在于，步驟3具體包括：
步驟3-1：將輸入的特征經過卷積處理后分別輸入到掩碼分支和實例分支中；
步驟3-2：實例分支首先經過一個ePaCC模塊，接下來通過一組稀疏的實例激活圖來定位潛在的實例對象，之后通過一個全連接層生成3個N×D的向量用于后面的二部圖匹配以及掩碼分支生成實例掩碼；
步驟3-3：自實例分支的動態卷積核{Wi}N生成每一個實例對象的分割掩碼mi＝wi×M，最后通過雙線性插值恢復到原始比例的特征圖。
4.根據權利要求3所述的基于稀疏實例激活與有效位置感知卷積的實例分割方法，其特征在于，步驟3-2中的ePaCC模塊包括:
步驟3-2-1：輸入的特征經過水平和垂直方向上的PaCC算子處理，垂直方向上的PaCC算子的實現方式為：
其中peV是指實例位置編碼，通過雙線性插值函數F由一個基本的位置編碼生成；由垂直方向的實例位置編碼延展得到；kV是每一個PaCC的實例卷積核，由基本的實例卷積核通過雙線性插值函數F得到，xp是包括位置信息的輸入特征圖；yi，j表示PaCC模塊在位置(i，j)處輸出的特征；
步驟3-2-2：使用eSE通道注意力模塊代替SE通道注意力模塊，假設給定特征圖經過eSE注意力模塊后輸出的特征圖用公式表示為：
AeSE(Xi)＝σ(WC(Fgap(xi)))
其中Fgap為全局平均池化，WC是全連接層，σ是一個sigmoid激活函數。
5.根據權利要求3所述的基于稀疏實例激活與有效位置感知卷積的實例分割方法，其特征在于，步驟3-2生成實例掩碼時所用的方法為：將標簽分配問題轉化為二部圖匹配問題，并使用匈牙利算法實現預測對象與實例激活圖的一一映射。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海藍長科技集團有限公司，未經上海藍長科技集團有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310087795.3/1.html，轉載請聲明來源鉆瓜專利網。
