[發明專利]基于多層次上下文信息融合的顯著性物體檢測方法

有效

• 申請號: 201811547592.3
• 申請日: 2018-12-18
• 公開（公告）號: CN109766918B
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 程明明;劉云
• 申請（專利權）人: 南開大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 天津耀達律師事務所 12223
• 代理人: 侯力

1.一種基于多層次上下文信息融合的顯著性物體檢測的方法，其特征在于，該方法包含如下步驟：

a.用戶輸入一張任意大小的圖片到一個帶有鏡像連接的“編碼-解碼”型卷積神經網絡模型中，所述模型的鏡像連接是指將“編碼”部分產生的特征對稱地加入到“解碼”部分中去；所述“解碼”部分逐步將卷積網絡產生的特征圖放大，在每個鏡像連接中，用固定雙線性卷積核的反卷積層將“解碼”部分的特征圖放大二倍，從而與“編碼”部分的特征圖進行逐元素的相加以融合；

b.所述卷積神經網絡模型的“解碼”部分帶有側連接，所述的側連接后都帶有深度監督(deep supervision)的損失函數，能夠將主干網絡學習到的特征進一步轉化為上下文信息，不同的卷積模塊則構成了多層次的上下文信息，通過這些側連接，“解碼”部分網絡將這些在各個階段產生的多層次上下文信息都提取出來，從而得到多層次的上下文信息；在每個側連接中，先是將“解碼”部分產生的特征圖經過幾個卷積層，再用固定雙線性卷積核的反卷積層將特征圖放大到原圖片大小，得到包含上下文信息的特征圖，之后有兩個分支，一個分支產生顯著性概率圖并加損失函數監督，另一個分支將得到的包含上下文信息的特征圖輸出；

c.將獲得的多層次的上下文信息進行融合，經過幾個卷積層就能夠得到與輸入圖像同樣大小的顯著性概率圖，從而進行精確的顯著性物體檢測。