[发明专利]一种基于多尺度注意力网络的小鸡图像分割方法及系统

说明书

本发明公开一种基于多尺度注意力网络的小鸡图像分割方法及系统，包括：对获取的小鸡图像进行多尺度降采样后构建图像金字塔；构建基于多尺度注意力机制的分割网络，在分割网络中通过编码网络提取多尺度特征图，通过双重注意力机制进行全局和局部的特征增强，对增强的特征解码预测得到每层的分割结果；基于每层分割结果得到多尺度联合损失，基于多尺度联合损失对多尺度注意力分割网络进行优化，以优化后的多尺度注意力分割网络得到图像分割结果。有效提高小鸡图像分割效果。

技术领域

本发明涉及计算机视觉技术领域，特别是涉及一种基于多尺度注意力网络的小鸡图像分割方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

近年来，许多研究专注于观察和分析动物行为以预防疾病，提高动物的生活环境，改善动物福利。人工智能、计算机视觉技术的飞速发展加快了智能化养殖的进程。目前，智能化的动物养殖可以通过基于传感器的方法和基于计算机视觉的方法，这两种方式来自动观察和分析动物行为。前者使用特定的传感器设备来获取动物的位置、数据等信息；例如，有些方法是基于耳标或项圈来定位动物的位置，但是在每只动物身上分别安装传感器代价很大，因为传感器设备很昂贵，并且为每只动物佩戴传感器很费时间。对于后者，首先需要通过摄像机捕获动物的视频或图像数据，然后通过基于计算机视觉的方法进行智能分析这些数据。基于视觉的方式所需的摄像头设备价格低，易于安装、不具有侵犯性等优点，因此基于计算机视觉的方法更适合智能监控分析动物行为。

图像分割是实现图像分析的最基本和重要步骤，对于智能化监视动物行为具有非常重要的意义，已经在智能养殖方面引起极高的关注，特别是深基于卷积神经网络(CNN)的方法在图像分割方面取得突出的成绩；例如Mask-RCNN这种基于检测的分割的方法，以及基于Unet网络的直接图像分割的方法。

据观察，大多数鸡通常喜欢群居生活，小鸡具有的相似外观、不同尺寸、聚集的生活、运动遮挡等因素使得准确的小鸡分割非常具有挑战性，而现有图像分割方法并未考虑小鸡分布密集、形态不一、遮挡等问题。

发明内容

为了解决上述问题，本发明提出了一种基于多尺度注意力网络的小鸡图像分割方法及系统，通过多尺度编码-解码网络提取多层次特征，利用双重注意力机制对特征图进行全局和局部的特征增强，利用多尺度联合损失监管整个网络的优化，有效提高小鸡图像分割效果。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于多尺度注意力网络的小鸡图像分割方法，包括：

对获取的小鸡图像进行多尺度降采样后构建图像金字塔；

构建基于多尺度注意力机制的分割网络，在分割网络中通过编码网络提取多尺度特征图，通过双重注意力机制进行全局和局部的特征增强，对增强的特征解码预测得到每层的分割结果；

基于每层分割结果得到多尺度联合损失，基于多尺度联合损失对多尺度注意力分割网络进行优化，以优化后的多尺度注意力分割网络得到图像分割结果。

第二方面，本发明提供一种基于多尺度注意力网络的小鸡图像分割系统，包括：

图像降采样模块，被配置为对获取的小鸡图像进行多尺度降采样后构建图像金字塔；

特征提取模块，被配置为构建基于多尺度注意力机制的分割网络，在分割网络中通过编码网络提取多尺度特征图，通过双重注意力机制进行全局和局部的特征增强，对增强的特征解码预测得到每层的分割结果；

图像分割预测模块，被配置为基于每层分割结果得到多尺度联合损失，基于多尺度联合损失对多尺度注意力分割网络进行优化，以优化后的多尺度注意力分割网络得到图像分割结果。