[发明专利]一种基于注意力机制的多特征循环卷积显著性目标检测方法在审
| 申请号： | 201910881769.1 | 申请日： | 2019-09-18 |
| 公开（公告）号： | CN110648334A | 公开（公告）日： | 2020-01-03 |
| 发明（设计）人： | 席建祥;谢学立;李传祥;杨小冈;王乐;胡来红 | 申请（专利权）人： | 中国人民解放军火箭军工程大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06N3/04 |
| 代理公司： | 61200 西安通大专利代理有限责任公司 | 代理人： | 陈翠兰 |
| 地址： | 710025 陕西*** | 国省代码： | 陕西;61 |
| 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注意力机制的多特征循环卷积显著性目标检测方法，包括步骤：一、分析自然图像中显著性目标具有的共性的特点，包括空间分布和对比度特征，使用改进的U‑Net全卷积神经网络，其采用编码器‑解码器结构进行逐像素点预测，编码器与解码器之间采用跨层连接的方式进行多层级、多尺度特征融合；二、将编码端特征与解码端特征进行concatenate融合会引入大量的杂波，干扰最后预测图生成，因此引入注意力模块从通道间和像素间两个角度标定全像素权重，增强任务相关像素权重，弱化背景和噪声影响；三、使用多特征循环卷积模块作为后处理手段，通过迭代来增强空间分辨能力，进一步细化分割图像区域的边缘，得到更精细的显著目标掩膜。 | ||
| 搜索关键词： | 循环卷积 编码器 显著性 权重 像素 分割图像区域 卷积神经网络 空间分辨能力 解码器 对比度特征 多尺度特征 解码器结构 注意力机制 后处理 角度标定 空间分布 目标检测 目标掩膜 噪声影响 自然图像 融合 编码端 多层级 解码端 全像素 图生成 像素点 引入 预测 迭代 跨层 细化 杂波 注意力 弱化 精细 改进 分析 | ||
【主权项】：
1.一种基于注意力机制的多特征循环卷积显著性目标检测方法，其特征在于，包括如下步骤：/n步骤一、分析自然图像中显著性目标具有的共性的特点，包括空间分布和对比度特征，使用改进的U-Net全卷积神经网络，其采用编码器-解码器结构进行逐像素点预测，编码器与解码器之间采用跨层连接的方式进行多层级、多尺度特征融合；/n步骤二、由于直接使用U-Net的跨层连接方式，将编码端特征与解码端特征进行concatenate融合会引入大量的杂波，干扰最后预测图生成，因此引入注意力模块从通道间和像素间两个角度标定全像素权重，增强任务相关像素权重，弱化背景和噪声影响；/n步骤三、为进一步提升输出图质量，使用多特征循环卷积模块作为后处理手段，通过迭代来增强空间分辨能力，进一步细化分割图像区域的边缘，得到更精细的显著目标掩膜。/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中国人民解放军火箭军工程大学，未经中国人民解放军火箭军工程大学许可，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/201910881769.1/，转载请声明来源钻瓜专利网。
