一种基于CNN与Transformer深度交互融合双分支边缘检测方法及系统

本发明公开了一种基于CNN与Transformer深度交互融合双分支边缘检测方法及系统，涉及计算机视觉和深度学习的技术领域，该方法包括：通过一个基于CNN的精细语义边缘分支，利用EfficientNet‑B2骨干网络提取多尺度的局部特征，并结合侧输出结构进行深度监督；同时，通过一个基于轻量化Transformer的全局上下文分支，采用高效局部注意力机制捕捉图像的长距离依赖关系；本发明的核心在于，设计并实现了一个跨注意力模块，将CNN分支提取的局部特征作为键Key和值Value，Transformer分支的特征作为查询Query，从而实现两个分支在特征层面的深度交互与融合，而非简单的特征拼接；此外，本发明还采用了一个由平衡二元交叉熵损失、焦点损失和Dice损失等动态加权组合的统一损失函数进行模型优化。