[发明专利]一种基于分组梯度学习策略的伪装物体检测方法及系统

权利要求书

1.一种基于分组梯度学习策略的伪装物体检测方法，其特征在于，包括：

对伪装物体图像提取不同特征维度的语义特征；

以目标级别梯度为学习监督信号，对伪装物体图像提取纹理特征；

将语义特征和纹理特征沿通道进行切割，并对得到的语义特征子组和纹理特征子组根据不同的分组尺度进行重排列和特征拼接，得到多组重组特征；

对重组特征进行注意力映射得到多组注意力特征，根据语义特征与多组注意力特征得到梯度诱导特征，根据梯度诱导特征采用训练后的伪装目标检测模型得到伪装物体的检测结果。

2.如权利要求1所述的一种基于分组梯度学习策略的伪装物体检测方法，其特征在于，所述目标级别梯度为：其中，F_E表示边缘检测器，边缘检测器的输入为带有离散像素坐标(x,y)的伪装物体图像I，表示逐像素乘法运算；Z^C为伪装物体图像的真值图；Z^G为目标级别梯度。

3.如权利要求1所述的一种基于分组梯度学习策略的伪装物体检测方法，其特征在于，将纹理特征沿通道进行切割后，将纹理特征子组进行下采样，以使纹理特征子组的空间分辨率与语义特征子组的空间分辨率相匹配。

4.如权利要求1所述的一种基于分组梯度学习策略的伪装物体检测方法，其特征在于，每组重组特征均根据分组尺度化分成N组子集，不同组之间的分组尺度不同。

5.如权利要求1所述的一种基于分组梯度学习策略的伪装物体检测方法，其特征在于，对重组特征进行注意力映射得到多组注意力特征的过程包括：在每组重组特征内引入软非线性，由具有卷积核大小的标准卷积层实现，N为每组重组特征内包含的N组子集，C_i为语义特征维度。

6.如权利要求1所述的一种基于分组梯度学习策略的伪装物体检测方法，其特征在于，根据语义特征与多组注意力特征得到梯度诱导特征的过程包括：将语义特征与注意力特征逐元素相加，根据梯度诱导转换函数得到梯度诱导特征；梯度诱导转换函数T_i为：

其中，为梯度诱导特征，为语义特征，X^G为纹理特征，为注意力特征，N为每组重组特征内包含的N组子集，表示逐元素相加，Σ表示多项和。

7.如权利要求1所述的一种基于分组梯度学习策略的伪装物体检测方法，其特征在于，对梯度诱导特征采用近邻连接解码器进行高层到底层的特征传播，得到最终的伪装物体预测特征。

8.一种基于分组梯度学习策略的伪装物体检测系统，其特征在于，包括：

第一提取模块，被配置为对伪装物体图像提取不同特征维度的语义特征；

第二提取模块，被配置为以目标级别梯度为学习监督信号，对伪装物体图像提取纹理特征；

特征分组模块，被配置为将语义特征和纹理特征沿通道进行切割，并对得到的语义特征子组和纹理特征子组根据不同的分组尺度进行重排列和特征拼接，得到多组重组特征；

检测模块，被配置为对重组特征进行注意力映射得到多组注意力特征，根据语义特征与多组注意力特征得到梯度诱导特征，根据梯度诱导特征采用训练后的伪装目标检测模型得到伪装物体的检测结果。

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。