【技術實現步驟摘要】
本專利技術屬于圖像處理，特別是涉及一種偽裝物體檢測的方法。
技術介紹
1、偽裝對偽裝物體檢測(cod)構成了極大的挑戰。偽裝物體的檢測，關鍵在于準確識別和分割與背景相似的偽裝物體。
2、偽裝物體的檢測由深度學習架構，和損失函數組成。現有技術中，雖然在偽裝物體檢測的深度學習架構取得了顯著進展，但在優化損失函數方面的關注較少，從而導致對偽裝物體的性能進行檢測時，存在類別不平衡，進而導致檢測性能的效果不太理想。
技術實現思路
1、本專利技術實施例的目的在于提供一種偽裝物體的檢測方法，用以解決現有技術中，對偽裝物體的性能進行檢測時，存在類別不平衡，進而導致檢測性能的效果不太理想的技術問題。
2、為解決上述技術問題，本專利技術所采用的技術方案是提供一種偽裝物體的檢測方法,其特征在于，包括：
3、獲取預設模型輸出的所述偽裝物體的圖片信息；
4、獲取預設損失函數集；
5、對所述預設損失函數集進行預處理，得到目標損失函數；
6、基于所述目標損失函數和所述預設模型輸出的所述偽裝物體的圖片信息，對所述偽裝物體進行檢測。
7、優選地，所述獲取預設損失函數集之前的步驟為：
8、對cod(決定系數)模型的損失函數進行解耦，得到所述預設損失函數集。
9、優選地，所述獲取預設模型輸出的所述偽裝物體的圖片信息的步驟之前包括：
10、將所述偽裝物體的圖片信息，輸入所述預設模型后進行處理，得到所述預
11、優選地，所述輸入所述預設模型后進行處理的具體步驟為：
12、將所述偽裝物體的圖片信息，輸入搜索模塊后進行搜索處理，輸出得到第一圖片信息；所述搜索模塊以金字塔視覺transformer(pvt)作為骨干網絡；
13、將所述第一圖片信息，輸入放大模塊后進行放大處理，輸出得到第二圖片信息；
14、將所述第二圖片信息，輸入識別模塊后進行識別處理，輸出得到第三圖片信息，將所述第三圖片信息，作為所述預設模型輸出的所述偽裝物體的圖片信息。
15、優選地，所述預設損失函數集包括包括二元交叉熵損失函數、交并比損失函數和dice相似系數損失函數。
16、優選地，所述預設模型為sarnet模型。
17、優選地，所述對所述預設損失函數集進行預處理，得到目標函數，具體步驟為：
18、對所述預設損失函數集中包括的預設損失函數，分別進行加權處理，再進行線性組合，得到目標函數。
19、優選地，所述基于所述目標損失函數和所述預設模型輸出的所述偽裝物體的圖片信息，對所述偽裝物體進行檢測具體為：
20、將所述預設模型輸出的所述偽裝物體的圖片信息，輸入所述目標損失函數中，對所述偽裝物體進行檢測。
21、本專利技術具有以下有益效果：
22、本專利技術提供的一種偽裝物體檢測方法，通過對預設函數集進行預處理后，得到目標損失函數，解決類別不平衡問題并提升檢測性能。將目標損失函數與獲取預設模型輸出的所述偽裝物體的圖片信息相結合，對偽裝物體進行相應檢測，從而顯著提升檢測性能。
23、除了上面所描述的目的、特征和優點之外，本專利技術還有其它的目的、特征和優點。下面將參照附圖，對本專利技術作進一步詳細的說明。
本文檔來自技高網...【技術保護點】
1.一種偽裝物體的檢測方法,其特征在于，包括：
2.根據權利要求1所述的檢測方法，其特征在于，所述獲取預設損失函數集之前的步驟為：
3.根據權利要求1所述的檢測方法，其特征在于，所述獲取預設模型輸出的所述偽裝物體的圖片信息的步驟之前包括：
4.根據權利要求3所述的檢測方法，其特征在于，所述輸入所述預設模型后進行處理的具體步驟為：
5.根據權利要求1所述的檢測方法，其特征在于，所述預設損失函數集包括二元交叉熵損失函數、交并比損失函數和Dice相似系數損失函數。
6.根據權利要求1所述的檢測方法，其特征在于，所述預設模型為SARNet模型。
7.根據權利要求1所述的檢測方法，其特征在于，所述對所述預設損失函數集進行預處理，得到目標函數，具體步驟為：
8.根據權利要求4所述的檢測方法，其特征在于，所述基于所述目標損失函數和所述預設模型輸出的所述偽裝物體的圖片信息，對所述偽裝物體進行檢測具體為：
【技術特征摘要】
1.一種偽裝物體的檢測方法,其特征在于，包括：
2.根據權利要求1所述的檢測方法，其特征在于，所述獲取預設損失函數集之前的步驟為：
3.根據權利要求1所述的檢測方法，其特征在于，所述獲取預設模型輸出的所述偽裝物體的圖片信息的步驟之前包括：
4.根據權利要求3所述的檢測方法，其特征在于，所述輸入所述預設模型后進行處理的具體步驟為：
5.根據權利要求1所述的檢測方法，其特征在于，所述預設損失函數...
【專利技術屬性】
技術研發人員：孫曉永，周沛達，孫備，蘇紹璟，吳鵬，郭潤澤，童小鐘，卜德森，
申請(專利權)人：中國人民解放軍國防科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。