[发明专利]一种基于边缘协同监督与多级约束的伪装物体检测模型

权利要求书

1.一种基于边缘协同监督与多级约束的伪装物体检测模型，其特征在于，包括：特征提取模块、图级搜索模块、第一像素级搜索模块、第一级联约束模块、空间注意力模块、第二像素级搜索模块、第二级联约束模块和边缘分割支路；

所述特征提取模块，用于将待检测的原始RGB图像进行特征提取，并将提取到的不同尺度大小的特征图输入至所述图级搜索模块；

所述图级搜索模块，用于接收所述特征图，并根据感受野的大小将所述特征图分组为低级特征图、中级特征图和高级特征图，将每个组内的特征图分别进行拼接后获取到的不同尺寸的特征图为图级搜索结果，并将所获取到的所述图级搜索结果输入至所述第一像素级搜索模块；

同时，将所述低级特征图和所述中级特征图中的特征图分别输入至所述边缘分割支路；

所述第一像素级搜索模块，用于对每个图级搜索结果的每一个像素均进行像素级区域搜索，获得第一像素级搜索结果，并将所述第一像素级搜索结果输送至所述第一级联约束模块；

所述第一级联约束模块，用于针对所述第一像素级搜索结果，进行伪装目标响应的过滤，剔除属于背景的干扰信号，并将剔除干扰信号后的特征图输送至所述空间注意力模块；

所述空间注意力模块，用于通过空间注意力机制获取应当重点关注的空间位置信号，并将重点关注的所述空间位置信号与所述中级特征图所对应得到的第一像素级搜索结果相结合，获取优化后的高分辨率特征图，并将所述高分辨率特征图输送至第二像素级搜索模块；

所述第二像素级搜索模块，用于对所述高级特征图所对应得到的第一像素级搜索结果以及所述高分辨率特征图分别进行像素级区域搜索，获取第二像素级搜索并输入至所述第二级联约束模块；

所述第二级联约束模块，用于针对第二像素级搜索结果，进行伪装目标响应的过滤，剔除属于背景的干扰信号，得到最终区域特征图；

所述边缘分割支路，用于对接收到的所述低级特征图和所述中级特征图中的特征图分别抓取轮廓信息获取边缘支路特征图，将所述边缘支路特征图进行拼接后输出伪装目标的边缘预测图；

同时，用于将每个边缘支路特征图分别与所述最终区域特征图进行基础卷积和上采样的整合，获取最终检测结果；

其中，基础卷积的激活函数为FRelu函数，用于将变量x先以自身为中心进行3*3的卷积，再将卷积后的结果x’和原本的变量x进行对比，取最大值作为结果。

2.根据权利要求1所述的一种基于边缘协同监督与多级约束的伪装物体检测模型，其特征在于，所述特征提取模块采用resnet-50网络，获取到5个不同尺度大小的特征图P1、P2、P3、P4和P5，且5个特征图的尺寸按照顺序分别为原始RGB图像的1/4、1/4、1/8、1/16和1/32；

所述图级搜索模块将P1和P2作为低级特征图，将P3作为中级特征图，将P4和P5作为高级特征图；

将P1和P2进行通道上的拼接，获得图级搜索结果F1；

将P2直接作为图级搜索结果F2；

将P4和P5进行通道上的拼接，获得图级搜索结果F3。

3.根据权利要求2所述的一种基于边缘协同监督与多级约束的伪装物体检测模型，其特征在于，所述第一像素级搜索模块内包括三个结构相同的像素级搜索单元，三个所述像素级搜索单元分别接收所述图级搜索结果F1、图级搜索结果F2和图级搜索结果F3并分别进行像素级区域搜索后依次获取第一像素级搜索结果：Fp1、Fp2和Fp3；

其中，每个所述像素级搜索单元包括4个感受野分支和1个残差分支，4个感受野分支的输出结果进行拼接和降维后与所述残差分支的输出进行图像相加；

4个感受野分支分别为第一感受野分支、第二感受野分支、第三感受野分支和第四感受野分支；

所述第一感受野分支依次包括：1*1卷积核、1*3卷积核和3*1卷积核，并前后相连；

所述第二感受野分支依次包括：1*1卷积核、1*5卷积核和5*1卷积核，并前后相连；

所述第三感受野分支依次包括：1*1卷积核、1*7卷积核和7*1卷积核，并前后相连；

所述第四感受野分支包括：1*1卷积核。