[发明专利]一种基于全局像素特征的显著图精细化方法有效
| 申请号： | 201810743616.6 | 申请日： | 2018-07-09 |
| 公开（公告）号： | CN109086777B | 公开（公告）日： | 2021-09-28 |
| 发明（设计）人： | 杨明;张守东 | 申请（专利权）人： | 南京师范大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06T7/11 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 施昊 |
| 地址： | 210046 *** | 国省代码： | 江苏;32 |
| 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像素特征的显著图精细化方法，包括步骤：基于超像素提取深度特征和手工特征的显著性检测模型生成初始显著图；对输入图像进行预处理；通过全卷积神经网络提取图像全局像素的深度特征图；在全卷积神经网络的深处对初始显著图和深度特征图进行拼接，得到新特征；根据得到的新特征，通过全卷积神经网络进行分类得到最终的精细化显著图。本发明能够在复杂场景下快速、准确地完成大规模的图像显著性目标检测任务。 | ||
| 搜索关键词： | 一种 基于 全局 像素 特征 显著 精细 方法 | ||
【主权项】：
1.一种基于全局像素特征的显著图精细化方法，其特征在于，包括以下步骤：(1)基于超像素提取深度特征和手工特征的显著性检测模型生成初始显著图；(2)对输入图像进行预处理，包括图像均值化和RGB图像转换为BGR图像；(3)通过全卷积神经网络提取图像全局像素的深度特征图；(4)在全卷积神经网络的深处对步骤(1)生成的初始显著图和步骤(3)得到的深度特征图进行拼接，得到新特征；(5)根据步骤(4)得到的新特征，通过全卷积神经网络进行分类得到最终的精细化显著图。
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南京师范大学，未经南京师范大学许可，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/201810743616.6/，转载请声明来源钻瓜专利网。
