[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

说明书

本发明公开了一种基于边缘协同监督与多级约束的伪装物体检测模型，基于该模型提出了一套成熟完备的伪装物体检测方法，通过图级和像素级的搜索初步查找目标潜在区域，再通过级联约束和注意力机制强化空间响应，同时建立一条边缘分割支路去指导模型预测更精准的轮廓，还利用了Frelu激活函数在基础卷积部分提取图像的空间活性，通过该模型能够有效且精准地进行伪装物体检测，为现有技术中伪装物体检测领域填补了空白。

技术领域

本发明涉及计算机视觉技术领域，更具体的说是涉及一种基于边缘协同监督与多级约束的伪装物体检测模型及其方法。

背景技术

伪装物体检测是近年来计算机视觉领域逐渐起步的任务，意在将伪装在场景中的目标物体与背景分割开，这种二分类语义分割技术与显著物体检测较为相似，但是由于伪装物体与背景在色彩和纹理上的高度相似性，以及所在场景的高度复杂性，因此伪装物体检测在难度上远远高于目前发展较为成熟的显著物体检测，相关的数据和算法更是极为稀少。

因此，如何提出一种一种基于边缘协同监督与多级约束的伪装物体检测模型及其方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于边缘协同监督与多级约束的伪装物体检测模型及其方法；

为了实现上述目的，本发明采用如下技术方案：

一种基于边缘协同监督与多级约束的伪装物体检测模型，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。