[发明专利]一种基于全局模型和局部优化的深度网络显著性检测方法在审
| 申请号： | 201910571020.7 | 申请日： | 2019-06-28 |
| 公开（公告）号： | CN110633708A | 公开（公告）日： | 2019-12-31 |
| 发明（设计）人： | 刘峰;沈同圣;郭少军;黎松;赵德鑫;孟路稳;于化鹏 | 申请（专利权）人： | 中国人民解放军军事科学院国防科技创新研究院 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100071 *** | 国省代码： | 北京;11 |
| 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全局模型和局部优化的深度网络显著性检测方法，该方法基于深度卷积神经网络和手工提取特征相结合的思路，设计有效的特征向量进行显著性检测。在全局模型中，通过对VGG‑16网络设计额外的卷积层进行训练，生成初始显著图，达到了从图像整体角度预测每一个候选区域显著性的目的。在局部优化模型中，设计区域对比度描述子和区域特征描述子对多级分割的超像素点进行描述，预测每一个区域的显著性值。最后，利用条件随机场拟合的方法将两种模型中产生的显著图进行融合，得到最终的显著图。对4个数据集进行对比测试实验，实验结果验证了本发明的有效性。 | ||
| 搜索关键词： | 显著性 显著图 局部优化 全局模型 描述子 卷积神经网络 对比测试 多级分割 候选区域 利用条件 区域特征 设计区域 特征向量 提取特征 图像整体 网络设计 数据集 像素点 检测 预测 卷积 拟合 验证 融合 机场 网络 | ||
【主权项】：
1.一种基于全局模型和局部优化的深度网络显著性检测方法，其特征在于，包括如下步骤：/n步骤1，在全局模型中，以VGG-16网络为基础通过添加额外的连接层进行训练，设计一个端到端的回归卷积神经网络，可以将输入图像直接映射生成初始显著图，该网络可在多个尺度上产生多级特征来检测显著性目标，达到从图像整体角度预测每一个候选区域显著性目标的目的，共生成5个基于全局模型的初始显著图。/n步骤2，在局部模型中，利用邻域像素之间的颜色、纹理等特征提取吸引人注意的点或区域设计局部模型进行显著性检测，将深度网络将显著性的划分转化为二分类问题，通过学习多级图像块的特征来预测每一个像素的显著性值，生成局部显著图。/n步骤3，在显著图融合中，利用条件随机场(CRF)的方法，将全局和局部模型得到的多个初始显著图进行融合，生成最终的显著图。/n
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中国人民解放军军事科学院国防科技创新研究院，未经中国人民解放军军事科学院国防科技创新研究院许可，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/201910571020.7/，转载请声明来源钻瓜专利网。
- 上一篇：预测速度的方法和装置
- 下一篇：一种基于残差网络的特征图处理方法
