[发明专利]基于多层次上下文信息融合的显著性物体检测方法

摘要

一种基于多层次上下文信息融合的显著性物体检测的方法。该方法的目的是构造并利用多层级的上下文特征进行图像显著性检测。该方法设计了一种新的卷积神经网络架构，这种新的卷积神经网络架构以由高层卷积至底层卷积的方式进行优化，从而为图像提取不同尺度上的上下文信息，将这些上下文信息进行融合可以获得高质量的图像显著性图。使用该方法检测出的显著性区域，可以用来辅助其他视觉任务。

主权项

1.一种基于多层次上下文信息融合的显著性物体检测的方法，其特征在于，该方法包含如下步骤：a.用户输入一张任意大小的图片到一个带有镜像连接的“编码‑解码”型卷积神经网络模型中，所述模型的镜像连接是指将“编码”部分产生的特征对称地加入到“解码”部分中去；b.所述卷积神经网络模型的“解码”部分带有侧连接，通过这些侧连接，“解码”部分网络将这些在各个阶段产生的上下文信息都提取出来，从而得到多层次的上下文信息；c.将获得的多层次的上下文信息进行融合，经过几个卷积层就能够得到与输入图像同样大小的显著性概率图，从而进行精确的显著性物体检测。