-
公开(公告)号：CN117197437A
公开(公告)日：2023-12-08
申请号：CN202311182691.7
申请日：2023-09-13
Applicant: 上海应用技术大学
IPC: G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种全监督的显著目标检测方法，构建完整的多分支特征融合细化网络MFFRNet作为显著目标检测模型；再将数据集中训练集输入到提出的MFFRNet模型中训练，每完成一轮就会反向传播一次，以优化MFFRNet模型参数；用数据集中测试集对模型进行性能评估；最终，评估后模型用于显著目标检测。该模型有效的融合了低级特征的细节信息和高级特征的语义信息。针对低级特征设计的模块利用非对称卷积来减少背景噪声和其他干扰因素，以及一个针对高级特征设计的模块获得丰富的语义信息。同时，针对频繁的上采样造成的混叠效应做出了有效的处理。该方法有效地捕捉显著性对象并获得显著性预测图，有较强的鲁棒性。
Search Results
1
records
(took 0.015 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
