一种基于初始位置引导和相邻特征增强网络的伪装目标检测方法
申请号:CN202510449343
申请日期:2025-04-11
公开号:CN120374944A
公开日期:2025-07-25
类型:发明专利
摘要
一种基于初始位置引导和相邻特征增强网络的伪装目标检测方法,属于深度学习图像检测技术领域,为了解决现有的伪装目标检测方法精度不足的问题。本发明首先利用PVT网络作为主干网络提取特征,以渐进的方式捕获局部到全局的依赖关系;然后利用位置先验提取模块(PPEM)聚合低层与高层特征以获取目标的粗略轮廓信息,为模型提供初始位置先验知识;再次利用自适应形态感知模块(AMPM)通过相邻层特征引导机制提取深层细粒度信息,获取多样化的多尺度上下文信息,提升预测结果的准确性。最后利用解码器(Decoder)将伪装目标的位置先验知识与目标特征相融合,完成对伪装目标的精准检测。
技术关键词
多视角特征
代表
更新网络参数
注意力
Sigmoid函数
解码器
背景噪声干扰
轮廓信息
局部细节特征
Adam算法
网络模型训练
特征提取能力
图像
全局平均池化
金字塔结构
形态
模块
语义