申请/专利权人：盐城工学院;盐城工学院技术转移中心有限公司

申请日：2023-03-21

公开（公告）日：2024-04-26

公开（公告）号：CN117935031A

主分类号：G06V20/00

分类号：G06V20/00;G06V10/80;G06V10/40;G06V10/774;G06V10/82;G06N3/04;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明提供一种融合混合注意力的显著性目标检测方法，其中方法包括：获取显著性目标检测的RGB图片和一个与原始图像大小相同的二值图像即对应的标签图，并输入预训练好的显著性目标检测模型，获得显著性目标检测结果；其中，所述显著性目标检测模型包括：依次连接特征提取模块、混合注意力模块、多尺度特征融合模块、特征增强融合模块、预测输出模块。本发明的融合混合注意力的显著性目标检测方法，通过使用VGG16网络充分提取出图像中的局部特征信息和全局语义信息，解决了编码器信息提取不全的问题，同时利用混合注意力模块，加强网络对目标区域的关注，有效地提高了显著性目标检测的精度。

主权项：1.一种融合混合注意力的显著性目标检测方法，其特征在于，包括：获取显著性目标检测的RGB图片和一个与原始图像大小相同的二值图像即对应的标签图，并输入预训练好的显著性目标检测模型，获得显著性目标检测结果；其中，所述显著性目标检测模型包括：依次连接特征提取模块、混合注意力模块、多尺度特征融合模块、特征增强融合模块、预测输出模块；特征提取模块：用来获得输入的RGB图像的多尺度特征；混合注意力模块：加强网络对显著目标区域的关注，得到显著目标特征更明显的特征图；多尺度特征融合模块：用来减少因卷积和上采样导致的信息丢失，同时加强显著性目标检测模型对目标区域的关注，从而获得更加明显的显著目标信息；特征增强融合模块：用来融合相邻特征层的特征信息，最终得到一个包含局部细节信息和全局语义信息的特征层；预测输出模块：利用两种损失函数，从不同层面监督模型训练，以突出显著性目标区域，从而得到最终的显著性目标检测预测图。

全文数据：

权利要求：

百度查询： 盐城工学院;盐城工学院技术转移中心有限公司 一种融合混合注意力的显著性目标检测方法

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