申请/专利权人:深圳大学
申请日:2024-03-14
公开(公告)日:2024-04-19
公开(公告)号:CN117911562A
主分类号:G06T11/00
分类号:G06T11/00;G06N3/0464;G06T3/04;G06T7/00;G06V10/774;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开了一种全景图像显著性对象检测方法、装置、终端及介质,所述方法包括获取目标对象的ERP全景图像,将所述ERP全景图像转换为TP图像;将所述ERP全景图像和所述TP图像输入包括基于失真校正注意力机制的编码器、多尺度处理的细节细化模块和不确定性引导的空间对齐解码器的全景图像显著性对象检测模型中进行显著性进行,输出所述目标对象的显著性特征。因此,本发明实施例能够根据学习切线投影图像特征和几何信息,考虑全景图像的高分辨率和大小不一的多尺度显著性对象,感知并矫正全景图像的失真,扩大感受野并学习远程依赖,基于不确定性估计获取显著性对象可能的位置信息,以提高全景图像显著性对象检测模型预测性能的精度。
主权项:1.一种全景图像显著性对象检测方法,其特征在于,包括:获取目标对象的ERP全景图像,将所述ERP全景图像转换为TP图像;将所述ERP全景图像和所述TP图像输入全景图像显著性对象检测模型中进行显著性检测,输出所述目标对象的显著性特征;其中,所述全景图像显著性对象检测模型包括基于失真校正注意力机制的编码器、多尺度处理的细节细化模块和不确定性引导的空间对齐解码器;所述基于失真校正注意力机制的编码器,基于几何信息,对所述TP图像进行骨干网络特征提取以及投影变换失真校正,得到TP图像编码特征;所述多尺度处理的细节细化模块扩大所述TP图像编码特征的感受野,获取具有远程依赖的局部特征;所述不确定性引导的空间对齐解码器对所述ERP全景图像进行特征提取,得到ERP的高级语义特征,进行不确定性估计获取所述高级语义特征的不确定性图,基于所述局部特征、所述不确定性图以及ERP全景图像特征,获取所述目标对象的显著性特征。
全文数据:
权利要求:
百度查询: 深圳大学 一种全景图像显著性对象检测方法、装置、终端及介质
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。