[发明专利]一种基于跨分辨率Transformer模型的葡萄叶病斑图像分割方法

权利要求书

1.一种基于跨分辨率Transformer模型的葡萄叶病斑图像分割方法，其特征在于，跨分辨率Transformer模型为“编码器-解码器”结构，编码器由4个阶段组成，在第i个阶段中分布有i个并行连接的多分辨率Transformer块，呈金字塔形排布；解码器为汉堡包解码器。

2.根据权力要求1所述的多分辨率Transformer块，其特征在于，其网络架构包括大核挖掘注意力机制、多路径前馈网络和跨分辨率融合策略。

3.根据权力要求2所述的大核挖掘注意力机制，其特征在于，卷积核大小设置为11×11，以扩大感受野，输入数据经过重叠特征嵌入和重塑后，传入大核挖掘注意力机制，通过哈达玛算子计算注意力机制的输出特征。

4.根据权力要求2所述的多路径前馈网络，其特征在于，多路径前馈网络考虑了多层次语义挖掘的重要性，应用k×1和1×k的双分支卷积对和扩展比r来实现，其中，k的取值设置为3和5，r的取值设置为4，具体公式为：

x₃＝Conv_3×1(Conv_1×3(Linear(x_in)))

x₅＝Conv_5×1(Conv_1×5(Linear(x_in)))

x_out＝Cat(x₃,x₅)+x_in

其中LN归一化和激活层(GELU)被省略，x_in表示从大核挖掘注意力机制中输出的特征，x_out表示从多路径前馈网络输出的特征。

5.根据权力要求2所述的跨分辨率融合策略，其特征在于，通过二进制循环构建一个静态的二维矩阵，并将语义信息通过上采样或下采样进行融合，低分辨率特征图分支的语义信息上采样至高分辨率特征图分支，以提取更大感受野的语义特征，高分辨率特征图被下采样至低分辨率特征图以保持更多的图像细节，从而实现对具有复杂背景的小目标病害的准确分割。

6.根据权力要求1所述的汉堡包解码器，其特征在于，该解码器利用矩阵分解方法对全局空间信息进行建模，聚合最后三层的上下文信息，以融合不同尺度分辨率的特征信息。