摘要
一种基于初始位置引导和相邻特征增强网络的伪装目标检测方法,属于深度学习图像检测技术领域,为了解决现有的伪装目标检测方法精度不足的问题。本发明首先利用PVT网络作为主干网络提取特征,以渐进的方式捕获局部到全局的依赖关系;然后利用位置先验提取模块(PPEM)聚合低层与高层特征以获取目标的粗略轮廓信息,为模型提供初始位置先验知识;再次利用自适应形态感知模块(AMPM)通过相邻层特征引导机制提取深层细粒度信息,获取多样化的多尺度上下文信息,提升预测结果的准确性。最后利用解码器(Decoder)将伪装目标的位置先验知识与目标特征相融合,完成对伪装目标的精准检测。
技术关键词
多视角特征
代表
更新网络参数
注意力
Sigmoid函数
解码器
背景噪声干扰
轮廓信息
局部细节特征
Adam算法
网络模型训练
特征提取能力
图像
全局平均池化
金字塔结构
形态
模块
语义
系统为您推荐了相关专利信息
图像处理模型
视角
图像编码
证件图像
注意力参数
火灾检测系统
信息检测模块
图片
客户端
预警模块
海洋哺乳动物叫声
样本
小波去噪
音频
生成器网络