一种基于Transformer的伪装目标实例分割方法

作     者：单伟 王亚刚 管旭 赵开 李菲菲 SHAN Wei;WANG Yagang;GUAN Xu;ZHAO Kai;LI Feifei

作者机构：上海理工大学光电信息计算机工程学院上海200093 

基　　金：上海市高校特聘教授(东方学者)岗位计划项目(ES2015XX)资助 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2024年第45卷第11期

页      码：2739-2746页

摘      要：本文研究主要针对伪装复杂背景下的图像进行实例分割.由于分割对象的伪装性以及缺少大规模训练集来支撑模型训练,这对于复杂背景下的实例对象分割构成了巨大挑战.受SOTR(Segmenting Objects with Transformer)的启发下,本文设计了一种方法框架,以解决动物野生环境和其他各类复杂伪装背景下的实例分割问题.相较于原始模型在特征目标的检测表现效果不佳,以及分割掩码存在上下文信息丢失的问题,本文提出的框架主要采用以下方法:引入特定的上下文特征金字塔提取网络CEM-FPN,以解决在高分辨率图像与感受野之间的矛盾.具体而言,高分辨率图像需要更大的感受野,但大感受野会导致小目标的检测误判为背景.在多层级融合模块加入通道空间注意力模块(CS Module),以提升对不同尺度上的各个实例对象的关注度,从而提高原型掩码的质量.实验结果表明,本文方法相较于原模型在COD10K-Test数据集上提升了4.1%的精确度,并在NC4K-Test数据集上提升了4.5%的精确度.

主 题 词：Transformer 图像分割 注意力机制 通道注意力 空间注意力 端到端 实例分割 复杂背景 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.20009/j.cnki.21-1106/TP.2023-0244

馆 藏 号：203145455...