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。