申请/专利权人：安徽大学

申请日：2023-12-22

公开（公告）日：2024-04-09

公开（公告）号：CN117853752A

主分类号：G06V10/46

分类号：G06V10/46;G06V10/44;G06V10/80;G06V10/82;G06N3/0464;G06V10/42;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提供基于双分支预测和多尺度特征的显著性检测方法及系统，方法包括：获取并划分预置常规显著性检测数据集；利用主干网络Efficient‑Net从预置常规显著性检测数据集中提取主要特征，并根据差异种类特征增强策略，构建显著性检测网络DBNet，其中，新双分支模块包括：前景分支模块FM、背景分支模块BM，利用显著性检测网络DBNet提取前景信息及背景信息进行显著性检测，得到训练完成网络；在测试集上，测试训练完成网络得到测试结果，根据预置评价指标对测试结果进行指标测试，以得到网络训练结果模型供显著性检测操作。本发明解决了现有显著性检测方法只关注于前景信息，而忽略背景信息导致的生成的显著图不清晰的技术问题。

主权项：1.基于双分支预测和多尺度特征的显著性检测方法，其特征在于，所述方法包括：S1、获取并划分预置常规显著性检测数据集，以得到训练集、验证集以及测试集；S2、利用主干网络Efficient-Net，从所述预置常规显著性检测数据集中提取主要特征，并根据差异种类特征增强策略，构建显著性检测网络DBNet，其中，所述新双分支模块包括：前景分支模块FM、背景分支模块BM，所述差异种类特征增强策略包括：目标细化模块ORM、傅里叶边界提取模块FEE以及GCM模块，利用所述前景模块FM提取前景信息，利用所述背景模块BM提取背景信息，利用所述显著性检测网络DBNet各能级所述前景信息及所述背景信息，进行显著性检测，以得到训练完成网络；S3、在所述测试集上，测试所述训练完成网络得到测试结果，根据预置评价指标对所述测试结果进行指标测试，以得到网络训练结果模型供显著性检测操作。

全文数据：

权利要求：

百度查询： 安徽大学 基于双分支预测和多尺度特征的显著性检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD