摘要
本发明提出了一种面向设施环境复杂光照下的番茄果实分割方法,属于图像分割技术领域。首先,构建双分支特征提取主干网络,分别对不同模态图像进行特征提取,并以C2f_Dual模块作为主要特征提取单元,以提升特征表达能力的同时降低模型复杂度。进一步,设计多模态差分互补融合模块,提取模态间的差异特征,生成融合权重以引导互补信息的有效整合。随后,搭建跨尺度特征融合网络,融合三重特征编码模块与尺度序列特征融合模块,联合引入空间与位置注意力模块与语义细节注入模块,提升多尺度特征的表达能力以及目标定位与分割的精度。利用多模态训练集对网络进行训练,并通过测试集评估模型的分割性能。
技术关键词
跨尺度特征融合
分割方法
通道注意力机制
序列特征
尺寸特征
番茄
分辨率
编码模块
果实
特征提取单元
模态特征
网络
分支
输出特征
光照
多模态
图像
系统为您推荐了相关专利信息
深度学习融合
分类方法
裂缝
通道注意力机制
无标签数据
图像分割网络
分割医学图像
医学图像分割方法
医学图像分割系统
参数
图像去雾模型
去雾图像
图像去雾方法
流形学习方法
融合特征
边界特征
乳腺肿瘤图像
残差结构
多阶段
分割方法