[发明专利]注意力引导的多特征融合伪装目标检测方法、装置、设备及介质

权利要求书

1.一种注意力引导的多特征融合伪装目标检测方法，其特征在于，所述方法包括：

在预测网络中，以BASNet编码-解码网络为基础，通过基础残差网络对目标伪装图像进行特征提取以获得特征图；

采用上采样和下采样的方法将所述特征图进行尺度统一；

进行通道拼接特征融合并在通道融合之后引入CBAM注意力模块对所述特征图中的特征进行特征选择；

在注意力模块后添加感受野模块，并将所述感受野模块输出的特征图输入至解码网络进行解码，得到粗略图；

将所述粗略图输入至优化网络，采用像素点相加的特征融合方法获取最终的伪装目标检测结果。

2.如权利要求1所述的方法，其特征在于，所述采用上采样和下采样的方法将所述特征图进行尺度统一的步骤，包括：

从预测网络中建立4个通道拼接多特征融合结构，分别以stage2、3、4和5作为中间stage；

所述中间stage的上下两个stage的特征图分别采用2倍下采样和2倍上采样的方法将所述特征图进行尺度统一。

3.如权利要求1所述的方法，其特征在于，所述进行通道拼接特征融合并在通道融合之后引入CBAM注意力模块对所述特征图中的特征进行特征选择的步骤，包括：

进行通道拼接特征融合；

引入CBAM注意力模块在通道注意力和空间注意力两方面提高特征表达的效果并对所述特征图中的特征进行特征选择。

4.如权利要求1所述的方法，其特征在于，所述在注意力模块后添加感受野模块，并将所述感受野模块输出的特征图输入至解码网络进行解码，得到粗略图的步骤，包括：

添加感受野模块将所述特征图输入至所述感受野模块中；

所述感受野模块对输入特征图进行多分支卷积核拼接融合后增大感受野。

5.如权利要求4所述的方法，其特征在于，所述感受野模块对输入特征图进行多分支卷积核拼接融合后增大感受野的步骤，包括：

所述感受野模块采用5个分支，在将所述感受野模块中每个分支均采用1*1的卷积核进行操作，其中左边3个分支特征图经过卷积操作和空洞卷积操作后与第4个分支进行通道拼接融合，然后再经过一个1*1卷积核将通道数降至与第5个分支通道数相同，最后将该特征图与第5个分支的特征图输入ReLU函数以增大感受野。

6.如权利要求1所述的方法，其特征在于，所述将所述粗略图输入至优化网络，采用像素点相加的特征融合方法获取最终的伪装目标检测结果的步骤，包括：

将所述粗略图输入至优化网络；

采用像素点相加多特征融合方法对所述优化网络进行优化；

在进行优化之后获取最终的伪装目标检测结果。

7.如权利要求6所述的方法，其特征在于，所述采用像素点相加多特征融合方法对所述优化网络进行优化的步骤，包括：

采用像素点相加多特征融合方法中两种像素点相加多特征融合的结构对所述优化网络进行优化，其中所述A结构的像素点相加多特征融合方法为：Conv的特征图与stage1和stage2的特征图进行像素点相加多特征融合，其中Conv的特征图不进行下采样操作，stage2特征图进行2倍上采样操作；

所述B结构的像素点相加多特征融合方法为：分别以stage2和stage3作为中间stage，中间stage的上下两个stage的特征图分别采用2倍下采样和2倍上采样的操作然后进行像素点相加特征融合。