[发明专利]基于语义增强卷积神经网络的视觉显著性检测方法在审
| 申请号： | 201910699533.6 | 申请日： | 2019-07-31 |
| 公开（公告）号： | CN110414513A | 公开（公告）日： | 2019-11-05 |
| 发明（设计）人： | 李建平;顾小丰;胡健;王晓明;张建国;赖志龙;娄泽宇 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/62;G06N3/04 |
| 代理公司： | 成都正华专利代理事务所(普通合伙) 51229 | 代理人： | 陈选中 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 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语义增强卷积神经网络的视觉显著性检测方法，通过对经典模型VGG16进行改进，引入卷积层代替全连接层，能够更好的保存图像的细节信息；并且在卷积层后面加入BN层来加快网络的训练速度，同时为了解决网络的过拟合问题在所添加的卷积层之后添加了dropout层。在最后卷积层之后嵌入SENet网络单元来进一步提升网络性能增强特征的语义性。本发明能够解决传统方法无法提取图像深层特征的问题，同时可以加强图像的细节信息，并对提取的特征进行自适应的加权来减少在网络传播中图像主要特征信息的损失和噪声的干扰。本发明能够获得目标区域更加准确，噪声更少的视觉显著图。 | ||
| 搜索关键词： | 卷积 卷积神经网络 视觉显著性 语义 细节信息 图像 噪声 视觉显著图 经典模型 目标区域 特征信息 提取图像 网络传播 网络单元 网络性能 增强特征 连接层 语义性 自适应 检测 拟合 加权 嵌入 网络 保存 引入 改进 | ||
【主权项】：
1.一种基于语义增强卷积神经网络的视觉显著性检测方法，其特征在于，包括以下步骤：S1、在VGG16网络的基础上构建语义增强卷积神经网络；S2、以最小化输入图像的交叉熵损失函数为目标，对语义增强卷积神经网络进行训练，得到视觉显著性检测模型；S3、将待检测图像输入视觉显著性检测模型，得到视觉显著图。
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电子科技大学，未经电子科技大学许可，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/201910699533.6/，转载请声明来源钻瓜专利网。
