[发明专利]一种基于并行卷积神经网络的图像显著性检测方法有效
| 申请号： | 201710253255.2 | 申请日： | 2017-04-18 |
| 公开（公告）号： | CN107169954B | 公开（公告）日： | 2020-06-19 |
| 发明（设计）人： | 王伟凝;肖纯;师婷婷;赵明权 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G06N3/04;G06T7/11 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 陈文姬 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于并行卷积神经网络的图像显著性检测方法：包括以下步骤：(1)设计并行卷积神经网络结构；(2)设计两种网络输入图，并针对输入定义基于超像素的标签；(3)数据集平衡化处理与输入预处理；(4)模型训练：所述模型包括数据预处理模块和并行卷积神经网络结构；(5)对目标图像使用已训练好的模型计算显著图。本发明能有效检测显著主体的内在语义以及与背景的差异，从全局和局部角去检测显著性，实现自动对图像进行显著性检测。 | ||
| 搜索关键词： | 一种 基于 并行 卷积 神经网络 图像 显著 检测 方法 | ||
【主权项】：
一种基于并行卷积神经网络的图像显著性检测方法，其特征在于，包括以下步骤：(1)设计并行卷积神经网络结构；所述并行卷积神经网络结构包括全局角度检测模块CNN‑G和局部角度检测模块CNN‑L；所述全局角度检测模块CNN‑G为单路卷积神经网络；所述局部角度检测模块CNN‑L为双路并行卷积神经网络；所述全局角度检测模块CNN‑G和局部角度检测模块CNN‑L通过一个全连接层实现并行；(2)设计两种网络输入图，并针对输入定义基于超像素的标签；所述网络输入图包括全局填充图和局部裁剪图；所述全局填充图以超像素为中心、包含原图全部信息的填充图，代表全局特征，作为全局角度检测模块CNN‑G的输入；所述局部裁剪图以超像素为中心、包含超像素领域细节信息的裁剪图，代表局部特征，作为局部角度检测模块CNN‑L的输入；(3)数据集平衡化处理与输入预处理；(4)模型训练：所述模型包括数据预处理模块和并行卷积神经网络结构；(5)对目标图像使用已训练好的模型计算显著图。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710253255.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种椭圆型气体净化滤管
- 下一篇：高效流体槽池效应层流罩
