-
公开(公告)号：CN110251076A
公开(公告)日：2019-09-20
申请号：CN201910542767.X
申请日：2019-06-21
Applicant: 安徽大学
Abstract: 本发明涉及一种融合视觉注意力基于对比度的显著性检测方法，步骤如下：S1、组建一个新的眼动数据集，并获取人眼注视图，对人眼注视图进行归一化处理；S2、在色彩空间中，获取显著性颜色的分量与显著性注意力的最大互信息系数；S3、在色彩空间中，对每个色彩通道的颜色种类进行量化；S4、在量化后的色彩通道中，根据所述最大互信息系数设置颜色权重，计算像素的显著性。本发明还公开了一种融合视觉注意力基于对比度的显著性检测装置。本发明的能够克服现有基于色彩信息的注意力预测模型的不足，基于自然界全彩色颜色对人眼注意力的引导性不同，本方法能够凸显不同色彩对注意力的影响，有助于符合人眼感知的注意力预测。
-
公开(公告)号：CN110223295A
公开(公告)日：2019-09-10
申请号：CN201910542301.X
申请日：2019-06-21
Applicant: 安徽大学
IPC: G06T7/00
Abstract: 本发明公开了基于深度神经网络色彩感知的显著性预测方法及装置，方法包括：将细粒度样本图像输入到预设的第一VGG网络，并将粗粒度样本图像输入到预设的第二VGG网络中，得到对应于粗粒度样本图像的第一特征图，以及对应于细粒度样本图像的第二特征图；利用特征融合算法，得到融合图像；将融合图像的特征图与融合图像进行乘法处理，进而得到预测的显著图；判断交叉熵损失函数的值是否收敛；若是，将第一VGG网络、第二VGG网络以及通道加权子网络组成的网络作为目标网络模型，并使用所述目标网络模型进行待检测图像的显著性预测；若否；调整模型权重、超参数，直至收敛。应用本发明实施例，可以实现符合人眼感知的显著性预测。
-
公开(公告)号：CN110223295B
公开(公告)日：2022-05-03
申请号：CN201910542301.X
申请日：2019-06-21
Applicant: 安徽大学
IPC: G06T7/00
Abstract: 本发明公开了基于深度神经网络色彩感知的显著性预测方法及装置，方法包括：将细粒度样本图像输入到预设的第一VGG网络，并将粗粒度样本图像输入到预设的第二VGG网络中，得到对应于粗粒度样本图像的第一特征图，以及对应于细粒度样本图像的第二特征图；利用特征融合算法，得到融合图像；将融合图像的特征图与融合图像进行乘法处理，进而得到预测的显著图；判断交叉熵损失函数的值是否收敛；若是，将第一VGG网络、第二VGG网络以及通道加权子网络组成的网络作为目标网络模型，并使用所述目标网络模型进行待检测图像的显著性预测；若否；调整模型权重、超参数，直至收敛。应用本发明实施例，可以实现符合人眼感知的显著性预测。
-
公开(公告)号：CN110251076B
公开(公告)日：2021-10-22
申请号：CN201910542767.X
申请日：2019-06-21
Applicant: 安徽大学
Abstract: 本发明涉及一种融合视觉注意力基于对比度的显著性检测方法，步骤如下：S1、组建一个新的眼动数据集，并获取人眼注视图，对人眼注视图进行归一化处理；S2、在色彩空间中，获取显著性颜色的分量与显著性注意力的最大互信息系数；S3、在色彩空间中，对每个色彩通道的颜色种类进行量化；S4、在量化后的色彩通道中，根据所述最大互信息系数设置颜色权重，计算像素的显著性。本发明还公开了一种融合视觉注意力基于对比度的显著性检测装置。本发明的能够克服现有基于色彩信息的注意力预测模型的不足，基于自然界全彩色颜色对人眼注意力的引导性不同，本方法能够凸显不同色彩对注意力的影响，有助于符合人眼感知的注意力预测。
-
-
-
Search Results
4
records
(took 0.018 seconds)
