[发明专利]一种基于多级特征融合的伪装目标分割方法及装置

权利要求书

1.一种基于多级特征融合的伪装目标分割方法，其特征在于，包括：

获取包含有伪装目标的RGB图像；

将包含有伪装目标的RGB图像输入预先构建并训练过的多级特征融合的伪装目标分割网络，得到伪装目标的掩膜图像；

其中，所述多级特征融合的伪装目标分割网络包括多层特征提取器、门控融合模块和自交互残差模块；

其中，所述多层特征提取器基于具有特征提取能力的网络Res2Net-50实现，其输入是包含有伪装目标的RGB图像，其提取到的多级特征依次送入门控融合模块和自交互残差模块；

所述门控融合模块用于对多层特征提取器提取的各级中间层特征进行选择性融合，过滤特征中包含的干扰信息；

所述自交互残差模块用于将输入特征转换成不同通道数的高、低分辨率特征，再进行充分融合，挖掘出更多有效的特征信息。

2.根据权利要求1所述的基于多级特征融合的伪装目标分割方法，其特征在于：所述门控融合模块用于对多层特征提取器提取的各级中间层特征进行选择性融合，过滤特征中包含的干扰信息，具体包括：

所述门控融合模块由门控矩阵组成，在深层特征语义信息的指导下，计算出各级特征对应的门控矩阵以此区分特征中的有用信息与干扰信息；对于给定输入特征其中H_i、W_i和C_i分别表示第i级特征的高度、宽度和通道数；各级特征均产生相应的门控矩阵所有门控矩阵都有对应的特征图；融合过程中应用门控矩阵，得到多级特征融合特征图：

其中每个门控系数G_l＝sigmoid(w_l·f_l)由一个参数为的卷积层计算得出，门控总数为主干网络提取出的特征图数量。

3.根据权利要求1所述的基于多级特征融合的伪装目标分割方法，其特征在于：所述自交互残差模块用于将输入特征转换成不同通道数的高、低分辨率特征，再进行充分融合，挖掘出更多有效的特征信息，具体包括：

首先将输入特征F经过卷积等操作得到高分辨率特征图F₁作为一个分支，另外应用池化层和卷积层将输入特征的分辨率和通道数降低，得到低分辨率特征图F₂作为另一个分支；

在两个分支中，对F₂进行上采样得到与另一个分支特征F₁¹相同分辨率和通道数的特征两者融合得到F₁³；对F₁进行下采样得到F₁²，F₁²与另一个分支特征进行融合再进行上采样得到特征

最后将与F₁³融合得出特征F³，F³经过批量归一化层和ReLU层处理后与输入特征F融合获得新的特征图F^SIRM；

对于经过门控融合模块的各级特征，使用如下方法自交互挖掘信息：

F_l^SIRM＝F_l+A(A[P(F_l)+U(D(F_l))]+U(A[D(F_l)+D(P(F_l))]))

其中，F_l^SIRM是第l层特征经过SIRM的输出。A(·)表示分支合并，P(·)是卷积层、批量归一化层和ReLU(Linear rectification function)层的组合操作，U(·)是上采样、卷积层、批量归一化层和ReLU层的组合操作，D(·)是下采样、卷积层、批量归一化层和ReLU层的组合操作；

上式中的输入特征F_l计算如下：

其中，F_l在最深层时等于门控融合后的特征在其他层时为上层特征经过SIRM后与该层特征融合得到的。

4.根据权利要求3所述的基于多级特征融合的伪装目标分割方法，其特征在于：所述自交互残差模块的连接方式采用残差连接。