多深度特征融合的图像显著性目标检测方法及系统

发明专利有效专利

申请号：
CN202010832414.6
IPC分类号：G06K9/46;G06K9/62;G06K9/00;G06N3/04
申请日期：
2020-08-18
申请人：
山东大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	多深度特征融合的图像显著性目标检测方法及系统
申请号	CN202010832414.6	申请日期	2020-08-18
法律状态	实质审查	申报国家	中国
公开/公告日	2020-12-25	公开/公告号	CN112132156A
优先权	暂无	优先权号	暂无
主分类号	G06K9/46 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/36 图像预处理，即无须判定关于图像的同一性而进行的图像信息处理〔3〕 G06K9/46 图像特征或特性的抽取〔3〕	IPC分类号	G;0;6;K;9;/;4;6;;;G;0;6;K;9;/;6;2;;;G;0;6;K;9;/;0;0;;;G;0;6;N;3;/;0;4查看分类表>
申请人	山东大学	申请人地址	山东省济南市历下区经十路17923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	山东大学	当前权利人	山东大学
发明人	陈振学;闫星合;刘成云;孙露娜;段树超;朱凯;陆梦旭;李明
代理机构	济南圣达知识产权代理有限公司	代理人	暂无

摘要

本发明公开了一种多深度特征融合的图像显著性目标检测方法及系统，包括获取设定场景下的待检测图像信息；将所述图像信息输入到训练好的多深度特征融合神经网络模型；所述多深度特征融合神经网络模型在编码阶段采用卷积进行特征提取，在解码阶段结合卷积和双线性插值的上采样方法还原输入图像的信息，输出具有显著性信息的特征图；采用多层级网络学习不同层级的特征图，将不同层级的特征图融合；输出最终的显著性目标检测结果。本发明利用多深度特征融合神经网络对场景中的图像进行显著性目标检测，保障检测的精度，并加快了后续处理过程的速度；加入轮廓检测支路，用轮廓特征细化待测目标的边界细节。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供