[发明专利]基于注意力机制的one-shot图像分割方法

权利要求书

1.基于注意力机制的one-shot图像分割方法，其特征在于，包括以下步骤：

1)构建基于注意力机制的两分支one-shot图像分割网络：

支持分支由N层特征提取块串联而成；

查询分支包括N层特征提取块以及M个注意力模块，M小于N；第1层特征提取块输出至第2层特征提取块，第2层至第N层特征提取块中不需要进行注意力指导的特征提取块直接输出至下一层特征提取块，需要进行注意力指导的特征提取块输出至对应的注意力模块；第1至第M-1个注意力模块的两个输入分别来自于查询分支中对应需要进行注意力指导的特征提取块的输出以及支持分支中同层特征提取块的输出；第1至第M-1个注意力模块分别输出至对应需要进行注意力指导的特征提取块的下一层特征提取块；支持分支最后一层特征提取块与查询分支最后一层特征提取块均输出至第M个注意力模块；

第M个注意力模块输出至反卷积模块；

2)构建训练集；

3)使用训练集数据训练所述基于注意力机制的两分支one-shot图像分割网络；

4)将测试集图像输入训练完成的基于注意力机制的两分支one-shot图像分割网络。

2.如权利要求1所述方法，其特征在于，M个注意力模块中，对应低层次需要进行注意力指导的特征提取块的注意力模块具体为基于空间位置的注意力模块；对应高层次需要进行注意力指导的特征提取块的注意力模块具体为基于通道的注意力模块。

3.如权利要求2所述方法，其特征在于，所述低层次需要进行注意力指导的特征提取块为查询分支中前S层的特征提取块，S小于N。

4.如权利要求2所述方法，其特征在于，基于空间位置的注意力模块进行注意力指导的方法为：将支持分支中需要进行注意力指导的特征提取块输出的特征f1经过1×1的卷积后，再经过sigmoid函数正则化得到特征谱gate，sigmoid函数使得特征谱gate与查询分支的同层特征提取块输出的特征f2的大小相同，再将特征谱gate与特征f2相乘，将相乘结构输出至下一层特征提取块。

5.如权利要求2所述方法，其特征在于，基于通道的注意力模块进行注意力指导的方法为：将支持分支中需要进行注意力指导的特征提取块输出的特征f1进行全局平均池化，再经过两个全连接层，其中第一全连接层后加激活函数relu，第二个全连接层的输出经过sigmoid函数正则化得到一个1× 1×c的向量，将该向量与查询分支的同层特征提取块输出的特征f2相乘，将相乘结构输出至下一层特征提取块；c为查询分支特征通道数。

6.如权利要求1所述方法，其特征在于，支持分支由N层特征提取块与查询分支包括N层特征提取块均采用resnet-50，N＝5。

7.如权利要求6所述方法，其特征在于，resnet-50结构的支持分支与查询分支中前3层特征提取块的参数保持初始值不变。

8.如权利要求6所述方法，其特征在于，基于注意力机制的两分支one-shot图像分割网的损失函数为交叉熵损失函数。