[发明专利]一种基于全卷积神经网络的伪装物体分割方法

说明书

本发明公开了一种基于全卷积神经网络的伪装物体分割算法，具体包括如下步骤：步骤1，图像特征提取模块；步骤2，构建图像分类模块；步骤3，构建基于全卷积神经网络的目标分割模块；步骤4，融合分类模块与目标分割模块的输出结果。采用本发明，通过实验结果表明，可以有效的识别并分割图像中的伪装物体，丰富了人工智能和计算机视觉的方法体系，为伪装物体分割领域提升分割效果提供了一种选择。

技术领域

本发明涉及计算机视觉及人工智能技术领域，具体涉及一种基于全卷积神经网络的伪装物体分割方法。

背景技术

伪装物体分割，主要目的是检测出图像中那些视觉上与周围环境高度相似的目标，伪装是指通过材料、颜色或照明的任何组合来隐藏目标，以使目标物体难以被看到(伪装)或将其伪装成其他物体(模仿)，伪装物体分割本质上是一种目标分割任务。

由于能够找到隐藏在周围环境中的伪装对象，所以伪装物体分割在医疗领域(息肉分割)、工业领域(产品检测)、军事领域(卫星侦察)等不同领域都有着巨大的应用前景。所以最近几年，伪装物体分割也受到越来越多的关注。

然而，伪装物体分割任务是一项具有挑战性的分割任务，与普通的分割任务不同，“伪装物体”利用自身与背景的高度相似性来欺骗观察者从而达到隐藏自己的目的，因此对此类任务，我们需要有更多的视觉感知知识来将物体从相似背景中分割出来。我们使用CNN网络特征提取，将特征图分别做两路处理，一路选择全卷积神经网络结构来实现对目标的像素级分割，一路使用卷积神经网络结构实现对目标的分类(是否为伪装物体)，将两路处理结果融合，最终得到伪装物体的分割结果。

发明内容

本发明的目的是提供一种基于全卷积神经网络的伪装物体分割算法，实现针对自然图像中与背景相似或相近的伪装物体的识别与分割。

本发明所采用的技术方案是，一种基于全卷积神经网络的伪装物体分割方法，具体按以下步骤实施：

步骤1，图像特征提取；

步骤2，构建图像分类模块；

步骤3，构建基于全卷积神经网络的目标分割模块；

步骤4，融合分类模块与目标分割模块的输出结果。

本发明的特点还在于：

其中步骤1中图像特征提取模块采用ResNet-50网络结构对输入图像进行特征提取，具体按以下步骤实施：

步骤1.1，第一卷积模块，对待检测图像进行卷积处理，输出第一特征图；

步骤1.2，第二卷积模块，对第一特征图进行卷积处理，输出第二特征图；

步骤1.3，第三卷积模块，对第二特征图进行卷积处理，输出第三特征图；

步骤1.4，第四卷积模块，，对第三特征图进行卷积处理，输出第四特征图；

步骤1.5，第五卷积模块，对第四特征图进行卷积处理，输出第五特征图；

其中步骤2中构建图像分类模块按照以下步骤实施：

步骤2.1，使用两个全连接层，输出尺寸均为2048，每个全连接层后均使用一个ReLU激活函数，将特征图处理后得到一个一维向量；

步骤2.2，图像分类模块采用交叉熵损失作为损失函数；

其中步骤3构建基于全卷积神经网络的目标分割模块按照以下步骤实施：

步骤3.1，将特征图输入区域建议网络RPN以得到图像中伪装物体的可能定位；

步骤3.2，将得到的候选框做分类和回归计算；

步骤3.3，通过全卷积神经网络将伪装物体像素级分割；