技术特征：
1.一种基于反向注意力网络的图像分割方法，其特征在于，包括以下步骤：s1，获取图像数据集，构建训练集和测试集；s2，构建反向注意力网络模型，其中所述反向注意力网络模型的处理过程具体为：训练集图像经过多个卷积层逐层编码依次得到不同层次的输出特征层f1、f2、f3、f4和f5，根据所述不同层次的输出特征f3、f4和f5并行拼接聚合后输入到解码器进行解码得到全局特征图像sg；将所述全局特征图像sg进行一次下采样操作后，与输出特征f5输入到第一反向注意网络中进行处理，得到输出特征r5；所述第一反向注意网络处理的过程包括对所述全局特征图像sg进行感兴趣区域反转操作，并将反转后的图像与所述输出特征f5进行相乘，得到输出特征r5；将所述输出特征r5和所述全局特征图像sg进行融合得到反向注意特征s5；将所述反向注意特征s5进行一次上采样操作后，与输出特征f4输入到第二反向注意网络中进行处理，得到输出特征r4；所述第二反向注意网络处理的过程包括对所述反向注意特征s5进行感兴趣区域反转操作，并将反转后的图像与所述输出特征f4进行相乘，得到输出特征r4；将所述输出特征r4和所述反向注意特征s5进行融合得到反向注意特征s4；将所述反向注意特征s4进行一次上采样操作后，与输出特征f3输入到第三反向注意网络中进行处理，得到输出特征r3；所述第三反向注意网络处理的过程包括对所述反向注意特征s4进行感兴趣区域反转操作，并将反转后的图像与所述输出特征f3进行相乘，得到输出特征r3；将所述输出特征r3和所述反向注意特征s4进行融合得到反向注意特征s3；所述反向注意特征s3通过sigmoid函数激活后得到反向注意力网络模型的处理结果；s3，将所述训练集输入所述反向注意力网络模型进行训练，获得训练好的反向注意力网络模型；s4，将测试集输入训练好的反向注意力网络模型，获取图像分割结果。2.根据权利要求1所述的方法，其特征在于，所述的感兴趣区域为息肉区域。
技术总结
本发明公开了一种基于反向注意力网络的图像分割方法，首先获取图像数据集，构建训练集和测试集；然后构建反向注意力网络模型，反向注意力网络模型的处理过程包括图像经过多个卷积层逐层编码依次得到不同层次的输出特征层，利用不同层次的输出特并行拼接聚合后输入到解码器进行解码得到全局特征图像，将全局特征图像与输出特征输入到反向注意网络中进行处理，直到得到低层次的反向注意特征；将训练集输入反向注意力网络模型进行训练，获得训练好的反向注意力网络模型，获取图像分割结果。本发明利用图像编码得到的高级特征输入到反向注意网络中使得图像分割的精度大幅提高。反向注意网络中使得图像分割的精度大幅提高。
技术研发人员：王博 赵威 申建虎 张伟 徐正清
受保护的技术使用者：西安智诊智能科技有限公司
技术研发日：2021.05.07
技术公布日：2021/9/3