一种基于长距离扩散的弱监督伪装目标分割方法

本发明公开一种基于长距离扩散的弱监督伪装目标分割方法，属于数据识别技术领域,所述弱监督伪装目标分割模型采用二阶段训练方法包括主干网络、RFB‑modify模块、LCC模块、Trans‑decorator模块、RUp模块以及GLSC损失函数；主干网络生成主干特征用于RFB‑modify模块和LCC模块从中提取局部特征，Trans‑decorator模块先后接收主干特征与局部特征来更新全局特征令牌与局部特征，RUp模块接收Trans‑decorator模块的输出并生成当前层预测特征。本发明通过GLSC损失的单向门控机制，抑制噪声干扰，提升稀疏标注的全局扩散效率；通过二阶段训练策略结合挤压效应，显著提升伪装目标边缘的置信度与锐利度；通过Trans‑Decorator模块以较低计算成本实现长程依赖建模，结合RUp模块补偿下采样信息损失，实现轻量化全局建模。