技术特征：
1.一种特征图上采样方法，包括如下步骤：获取待进行上采样的特征图的步骤；构建上采样算子预测模块的步骤：通过通道压缩、编码特征图和像素重放，计算得到待进行上采样的特征图所对应的上采样核；构建缩放因子预测模块的步骤：通过通道压缩、像素重放和缩放影子编码，计算得到上采样核所对应的缩放因子；根据得到的上采样算子和缩放因子，对待进行上采样的特征图进行特征重组，从而完成特征图的上采样过程。2.根据权利要求1所述的特征图上采样方法，其特征在于所述的构建上采样算子预测模块的步骤中的通道压缩，和构建缩放因子预测模块的步骤中的通道压缩，为共享的同一个通道压缩操作；通道压缩具体为首先采用卷积核为1
×
1的卷积层进行通道压缩；卷积层后再依次连接一个批归一化层和一个relu的激活层，从而完成最终的通道压缩。3.根据权利要求2所述的特征图上采样方法，其特征在于所述的构建上采样算子预测模块的步骤，具体为首先进行通道压缩；然后再通过一个卷积层进行特征图的编码；最后通过像素重放操作得到待进行上采样的特征图所对应的上采样核。4.根据权利要求3所述的特征图上采样方法，其特征在于所述的构建上采样算子预测模块的步骤，具体包括如下步骤：首先进行通道压缩；然后，采用输出通道为α2×
k2、卷积核为3
×
3的卷积层进行处理，从而使得输出的特征图的大小为α2×
k2×
h
×
w；α为上采样的倍数；k为上采样核的大小；h为原始特征图的高度；w为原始特征图的宽度；最后，采用像素重放操作，将一个通道数为α2×
k2的像素变为α
×
α个通道数为k2的像素，并对每一个像素均进行同样的像素重放操作，最终得到k2×
αh
×
αw的上采样算子特征图。5.根据权利要求3所述的特征图上采样方法，其特征在于所述的构建缩放因子预测模块的步骤，具体为首先进行通道压缩；然后通过像素重放操作，使得特征图的长等于中间特征图的长，且特征图的宽等于中间特征图的宽；最后，通过由卷积层、批归一化层、激活层、并行的池化层、特征图堆叠和卷积层构成的缩放因子编码器进行计算，得到最终的缩放因子。6.根据权利要求5所述的特征图上采样方法，其特征在于所述的构建缩放因子预测模块的步骤，具体包括如下步骤：首先进行通道压缩；然后，采用像素重放操作，使得特征图的长等于中间特征图的长，且特征图的宽等于中间特征图的宽；最后，构建缩放因子编码器：首先为一个3
×
3且输出通道为64的卷积层，用于特征提取；然后依次通过一个批归一化层和一个relu的激活层进行处理；接下来，并行的池化层为并联的最大池化层和平均池化层，激活层的输出同时连接最大池化层的输入以及平均池化层的输入，最大池化层的输出结果为对应位置上面的所有通道的最大值，平均池化层的输出结果为对应位置上面的所有通道的平均值；再然后，将最大池化层输出的通道为1的特征
图和平均池化层输出的通道为1的特征图堆叠在一起，得到一个通道为2的特征图；最后，将得到的特征图通过卷积核大小为7
×
7的卷积层进行处理，并采用一个relu的激活函数过滤负数结果，最终得到上采样核所对应的缩放因子p。7.根据权利要求5所述的特征图上采样方法，其特征在于所述的根据得到的上采样核和缩放因子，对待进行上采样的特征图进行特征重组，从而完成特征图的上采样过程，具体为首先使用缩放因子对上采样算子特征图上的每一个上采样核进行缩放，得到缩放后的上采样算子特征图；然后对缩放后的上采样算子特征图上的每一个位置上的采样核，找到原始特征图上对应的位置，并以找到的原始特征图上的位置为中心的区域进行加权求和，从而完成特征图的上采样过程。8.根据权利要求7所述的特征图上采样方法，其特征在于所述的根据得到的上采样核和缩放因子，对待进行上采样的特征图进行特征重组，从而完成特征图的上采样过程，具体包括如下步骤：首先，使用缩放因子对上采样算子特征图上的每一个上采样核进行缩放；具体为采用如下算式进行计算，得到缩放后的上采样算子w
l
'：w
l
'＝softmax(p
×
w
l
)式中p为缩放因子；w
l
为上采样算子特征图上l处的上采样核；softmax()为归一化指数函数；然后，对于缩放后的上采样算子w
l
'中的每一个位置(i,j)上采样核，找到原始特征图上对应的位置然后对以为中心的k
×
k区域进行加权求和，以得到上采样后的特征图位于(i,j)的值；具体为采用如下算式进行计算：式中x
(i,j)
为上采样后的特征图位于(i,j)的像素；r为上采样核的作用范围，且k为上采样核的大小；w
l'(s,t)
为上采样核w
l'
位于(s,t)位置的权重大小；x
(i+s,j+t)
为原始特征图位于(i+s,j+t)的像素；最终，得到的计算结果为待进行上采样的特征图所对应的上采样结果。9.一种包括了权利要求1～8之一所述的特征图上采样方法的小目标语义分割方法，其特征在于具体包括如下步骤：s1.获取原始的小目标图像并进行像素级标注，得到训练数据集；s2.采用现有技术构建初始语义分割模型；s3.将步骤s2构建的初始语义分割模型中的上采样方法，替换为权利要求1～8之一所述的特征图上采样方法，从而得到小目标语义分割模型；s4.采用训练数据集对小目标语义分割模型进行训练，得到最终的小语义分割模型；s5.采用步骤s4得到的小目标语义分割模型，对目标图像进行语义分割，完成目标图像中的小目标语义分割。10.一种包括了权利要求9所述的小目标语义分割方法的成像方法，其特征在于包括如
下步骤：a.获取待进行小目标语义分割的原始图像；b.采用权利要求9所述的小目标语义分割方法对步骤a获取的原始图像进行语义分割；c.将步骤b得到的小目标的语义分割结果，在步骤a得到的原始图像上进行标注和成像，得到带有小目标标注结果的目标图像；d.输出步骤c得到的目标图像，完成所述的成像。
技术总结
本发明公开了一种特征图上采样方法，包括获取待进行上采样的特征图的步骤；构建上采样算子预测模块得到上采样核的步骤；构建缩放因子预测模块得到缩放因子的步骤：根据上采样核和缩放因子对待进行上采样的特征图进行特征重组并完成特征图的上采样。本发明还公开了一种包括所述特征图上采样方法的小目标语义分割方法，以及公开了包括所述小目标语义分割方法的成像方法。本发明针对小目标语义分割的现存问题，对特征图的上采样过程进行了创新，创造性的提出了带缩放因子的特征图上采样方法；因此本发明方法极其适用于小目标的语义分割，而且可靠性高，实用性好。实用性好。实用性好。
技术研发人员：梁毅雄 赵杨 刘晴
受保护的技术使用者：中南大学
技术研发日：2022.03.22
技术公布日：2022/6/28