[發明專利]基于鏈式多尺度全卷積網絡的顯著性目標檢測方法

有效

• 申請號: 201710930183.0
• 申請日: 2017-10-09
• 公開（公告）號: CN107784308B
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 鄔向前;卜巍;唐有寶
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/04
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 高媛

本發明公開了一種基于鏈式多尺度全卷積網絡的顯著性目標檢測方法，所述方法步驟如下：對于一張圖片I，先將其調整成不同尺度的一系列圖片：{I₁，I₂，···，I_m}作為多個SSFCN的輸入；不同尺度的SSFCN_i?1對應的輸入為X＝{I₁，I₂，···，I_m}，輸出為Y＝{M₁，M₂，···，M_m}，傳到下一個SSFCN網絡的狀態S＝{S₁，S₂，···，S_m}；將SSFCN_i?1的輸出大小調整到I_i的大小與I_i一起作為SSFCN_i的輸入，將SSFCN_i?1的最后一個反卷積層的輸出大小調整到I_i的大小和SSFCN_i?1的最后一個反卷積層的輸出進行融合；將所有SSFCN的結果調整到與輸入圖像I相同大小，用一個簡單的卷積網絡整合得到最終的顯著性圖像。本發明可以很好的進行顯著性目標檢測，并在多個數據庫上取得了最好的結果。

技術領域

本發明涉及一種顯著性目標檢測方法，尤其涉及一種基于鏈式多尺度全卷積網絡(CMSFCN)的顯著性目標檢測方法。

背景技術

顯著性檢測的目的在于通過設計算法，使用計算機自動地從圖像中提取出區分能力強的特征來表征圖像中像素或區域的屬性。隨著顯著性檢測技術的進步，在圖像處理和計算機視覺領域中，越來越多的應用都開始利用顯著性檢測的結果來提高它們的性能，比如圖像分割、圖像裁剪、目標檢測、圖像檢索等等。然而，效果不佳的顯著性檢測結果將直接影響上述基于顯著性檢測的相關應用的性能，從而在一定程度上限制了顯著性檢測方法的應用范疇和應用效果。

發明內容

為了更好的進行顯著性檢測，本發明基于單尺度全卷積網絡(SSFCN)的方法，提供了一種基于鏈式多尺度全卷積網絡的顯著性目標檢測方法。本發明的方法可以很好的進行顯著性目標檢測，并在多個數據庫上取得了最好的結果。

本發明的目的是通過以下技術方案實現的：

一種基于鏈式多尺度全卷積網絡的顯著性目標檢測方法，包括如下步驟：

一、對于一張圖片I，先將其調整成不同尺度的一系列圖片：{I₁，I₂，···，I_m}作為多個SSFCN的輸入，設定I_i(i＝1，2，···，m)為2⁽ⁱ⁺⁵⁾×2⁽ⁱ⁺⁵⁾，相對應的設置SSFCN_i的卷積模塊和反卷積模塊的數量為n_i＝i+5；

二、在卷積模塊，當j≤m時，第j個卷積層輸出的特征層數為64×2ⁱ，其余的卷積層輸出為512，對應的反卷積層輸出的特征層數與卷積層相同，最后一個反卷積層輸出的特征層數為1；