公开(公告)号：CN113139431A

公开(公告)日：2021-07-20

申请号：CN202110312130.9

申请日：2021-03-24

Applicant: 杭州电子科技大学

Inventor： 张善卿 ,  孟一恒 ,  李黎 ,  陆剑锋

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深监督学习的图像显著性目标检测方法，首先，修改VGG‑16网络以适应显著性检测任务，去除网络的最后一层池化层和所有全联接层，利用修改后的VGG‑16网络来提取图像的多尺度特征信息，递归融合多尺度特征，得到显著性图像；为了加强图像的边界，将真值图像依次下采样到特征图像同样的大小，来自像素级的信息监督每一层的显著性图像预测，促进预测中的互补效应，递归指导每一层的显著性特征图像，优化边界信息，增强最后的显著性图像效果。本发明解决了现有技术多尺度显著性检测存在的边界模糊等问题。

公开(公告)号：CN113139431B

公开(公告)日：2024-05-03

申请号：CN202110312130.9

申请日：2021-03-24

Applicant: 杭州电子科技大学

Inventor： 张善卿 ,  孟一恒 ,  李黎 ,  陆剑锋

IPC: G06V20/40 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深监督学习的图像显著性目标检测方法，首先，修改VGG‑16网络以适应显著性检测任务，去除网络的最后一层池化层和所有全联接层，利用修改后的VGG‑16网络来提取图像的多尺度特征信息，递归融合多尺度特征，得到显著性图像；为了加强图像的边界，将真值图像依次下采样到特征图像同样的大小，来自像素级的信息监督每一层的显著性图像预测，促进预测中的互补效应，递归指导每一层的显著性特征图像，优化边界信息，增强最后的显著性图像效果。本发明解决了现有技术多尺度显著性检测存在的边界模糊等问题。