[发明专利]一种基于低秩矩阵二元分解的快速显著性目标检测算法在审
| 申请号： | 201910771452.2 | 申请日： | 2019-08-20 |
| 公开（公告）号： | CN110490206A | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 刘明明;刘兵;仇文宁;付红;戚海永;李姗姗;孙伟 | 申请（专利权）人： | 江苏建筑职业技术学院 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06T7/194 |
| 代理公司： | 32220 徐州市三联专利事务所 | 代理人： | 何君<国际申请>=<国际公布>=<进入国 |
| 地址： | 221116 江*** | 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： | 本发明提出了一种低秩矩阵双因子分解和结构化稀疏矩阵分解联合优化模型，并应用于显著性目标检测。算法不仅利用低秩矩阵双因子分解和交替方向法（ADM）来降低时间开销，而且引入分层稀疏正则化刻画稀疏矩阵中元素之间的空间关系。此外，所提算法能够无缝集成高层先验知识指导矩阵分解过程。实验结果表明，提出模型和算法的检测性能优于当前主流无监督显著性目标检测算法，且具有较低的时间复杂度。 | ||
| 搜索关键词： | 算法 低秩矩阵 稀疏矩阵 因子分解 显著性 联合优化模型 目标检测算法 时间复杂度 交替方向 矩阵分解 空间关系 目标检测 时间开销 无缝集成 先验知识 结构化 无监督 正则化 分层 稀疏 刻画 分解 引入 主流 检测 高层 应用 | ||
【主权项】：
1.一种基于低秩矩阵二元分解的快速显著性目标检测算法，其特征在于：/n该方法利用低秩矩阵双因子分解和交替方向算法，同时结合分层稀疏正则化方法提升显著性目标检测性能，具体检测步骤如下：/n第一步：特征矩阵生成；/n第二步：索引树构造；/n第三步：高级先验知识集成；/n第四步：结构化低秩矩阵分解；/n第五步：显著图生成。/n
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江苏建筑职业技术学院，未经江苏建筑职业技术学院许可，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/201910771452.2/，转载请声明来源钻瓜专利网。
