加载中...
首页专利查询专利详情

*来源于国家知识产权局数据,仅供参考,实际以国家知识产权局展示为准

一种基于残差网络和深度信息融合的显著性检测方法

发明专利有效专利
  • 申请号:
    CN201910444775.0
  • IPC分类号:G06K9/62;G06N3/04;G06N3/08
  • 申请日期:
    2019-05-27
  • 申请人:
    浙江科技学院
著录项信息
专利名称一种基于残差网络和深度信息融合的显著性检测方法
申请号CN201910444775.0申请日期2019-05-27
法律状态授权申报国家中国
公开/公告日2019-09-20公开/公告号CN110263813A
优先权暂无优先权号暂无
主分类号G06K9/62IPC分类号G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人浙江科技学院申请人地址
浙江省杭州市西湖区留和路318号 变更 专利地址、主体等相关变化,请及时变更,防止失效
权利人浙江科技学院当前权利人浙江科技学院
发明人周武杰;吴君委;雷景生;何成;钱亚冠;王海江;张伟
代理机构宁波奥圣专利代理事务所(普通合伙)代理人周珏
摘要
本发明公开了一种基于残差网络和深度信息融合的显著性检测方法,其在训练阶段构建卷积神经网络,输入层包括RGB图输入层和深度图输入层,隐层包括5个RGB图神经网络块、4个RGB图最大池化层、5个深度图神经网络块、4个深度图最大池化层、5个级联层、5个融合神经网络块、4个反卷积层,输出层包括5个子输出层;将训练集中的彩色真实物体图像和深度图像输入到卷积神经网络中进行训练,得到显著性检测预测图;通过计算显著性检测预测图与真实显著性检测标签图像之间的损失函数值,得到卷积神经网络训练模型;在测试阶段利用卷积神经网络训练模型对待显著性检测的彩色真实物体图像进行预测,得到预测显著性检测图像;优点是显著性检测准确率高。

专利服务由北京酷爱智慧知识产权代理公司提供