[发明专利]一种基于级联改良网络的显著性物体检测方法

权利要求书

1.一种基于级联改良网络的显著性物体检测方法，其特征在于，该方法利用深度网络中第3层、第4层和第5层特征生成的初级显著性图改良低层部分第1层、第2层和第3层的特征，再通过聚合改良后的第1层、第2层和第3层特征生成最终的显著性图，包含如下步骤：

第1步、利用两个相同架构的CNN网络，一个网络输入RGB图像提取5个不同层级的RGB特征，另一个网络输入深度图图像提取5个不同层级的深度特征；

第2步、将第1步提取到的5个不同层级的深度图像特征分别经过一个深度增强模块获得增强后的深度特征，然后将对应层级增强后的深度特征和RGB特征分别融合获得多模态特征；

第3步、通过一个级联特征解码器聚合第3至第5层的多模态特征生成初始的显著性图，并用该初始显著性图作为掩膜改良第1至第3层的多模态特征；

第4步、利用另外一个级联特征解码器聚合第1至第3层的低层部分改良后的多模态特征，然后通过一个逐级上采样模块生成最终的显著性图。

2.根据权利要求1所述的基于级联改良网络的显著性物体检测方法，其特征在于：第2步所述的深度增强模块由两个依次执行的通道注意力操作和空间注意力操作组成。

3.根据权利要求1所述的基于级联改良网络的显著性物体检测方法，其特征在于：第3步所述的改良方式为将初始显著性图作为掩膜与第1至第3层的多模态特征各个通道分别进行元素级别上的相乘操作。

4.根据权利要求1所述的基于级联改良网络的显著性物体检测方法，其特征在于：第3、4步所述的级联特征解码器均是由3个全局信息单元和金字塔式的多层特征乘积和拼接操作组成。