一种基于不确定性掩膜伯努利扩散模型的伪装物体检测细化方法

本发明公开一种基于不确定性掩膜伯努利扩散模型的伪装物体检测细化方法，包括：首先利用预训练模型生成初始分割掩膜；通过混合不确定性量化网络(HUQNet)分析图像与初始掩膜，生成标识残差区域的空间不确定性掩膜；以初始掩膜为伯努利分布均值，结合不确定性掩膜调制噪声注入，通过伯努利扩散模型迭代去噪，针对性修正残差区域；最后融合细化结果与初始掩膜确定区域，输出最终分割掩膜。本发明解决现有技术中伪装物体检测存在的大范围模糊边缘、细节丢失及假阳性/阴性修正难题。提出的伪装物体检测细化器，通过提升对与环境高度融合的物体进行精确分割的能力，在多个领域均具有广泛的应用潜力。