[發(fā)明專利]一種基于超大感受野特征優(yōu)化的顯著性目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 202110494657.8
• 申請日: 2021-05-06
• 公開（公告）號: CN113313108A
• 公開（公告）日: 2021-08-27
• 發(fā)明（設(shè)計(jì)）人: 孫延光;夏晨星;段松松;張海濤
• 申請（專利權(quán)）人: 安徽理工大學(xué)
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，提供了一種基于超大感受野特征優(yōu)化的顯著性目標(biāo)檢測方法，包括以下步驟：1)將ResNet?50作為主干框架對RGB圖像提取多尺度特征信息然后進(jìn)行編碼；2)利用超大感受野特征機(jī)制優(yōu)化多尺度特征生成高質(zhì)量特征；3)利用隱形關(guān)系特征融合機(jī)制將優(yōu)化后的特征進(jìn)行互補(bǔ)性融合，然后生成最終顯著性圖。與現(xiàn)有的技術(shù)相比，本發(fā)明基于超大感受野特征優(yōu)化的顯著性檢測方法利用超大感受野優(yōu)化多尺度特征并進(jìn)行隱形關(guān)系特征融合，多尺度特征逐層優(yōu)化生成高性能顯著性圖。

技術(shù)領(lǐng)域：

本發(fā)明涉及圖像處理領(lǐng)域，具體來說，涉及了一種基于超大感受野特征優(yōu)化的顯著性目標(biāo)檢測方法。

背景技術(shù)：

本部分的陳述僅僅是涉及到了與本發(fā)明相關(guān)的背景技術(shù)，并不必然構(gòu)成現(xiàn)有技術(shù)。

隨著互聯(lián)網(wǎng)技術(shù)、多媒體技術(shù)以及數(shù)碼產(chǎn)品的快速普及，數(shù)字圖像已經(jīng)成為人們從外界獲取信息的重要載體。而這就意味著，高效快速地處理大量的數(shù)字圖像數(shù)據(jù)成了一個(gè)至關(guān)重要的問題。計(jì)算機(jī)同時(shí)處理數(shù)字圖像中的所有細(xì)節(jié)信息是非常低效的。如果將有限的計(jì)算機(jī)資源分配給圖像中的顯著性目標(biāo)區(qū)域，那么將大大提高計(jì)算機(jī)處理數(shù)字圖像的效率。因此，顯著性目標(biāo)檢測準(zhǔn)確定位顯著性目標(biāo)并完整地將其從背景中分割出來的研究成為計(jì)算機(jī)視覺領(lǐng)域一個(gè)非常重要的研究方向。這個(gè)研究內(nèi)容在圖像分割、視覺追蹤、場景分類、圖像和視頻壓縮、目標(biāo)識別等多個(gè)視覺領(lǐng)域研究都具有重要的意義。

當(dāng)下的顯著性目標(biāo)檢測算法主要分為兩類，一類是基于視覺刺激驅(qū)動(dòng)的傳統(tǒng)顯著性目標(biāo)檢測，主要是利用支持向量機(jī)、貝葉斯網(wǎng)絡(luò)等傳統(tǒng)學(xué)習(xí)方法。另一類是基于數(shù)據(jù)驅(qū)動(dòng)的深度學(xué)習(xí)顯著性目標(biāo)檢測，主要是利用卷積神經(jīng)網(wǎng)絡(luò)、全卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等神經(jīng)網(wǎng)絡(luò)方法。基于視覺刺激驅(qū)動(dòng)的傳統(tǒng)顯著性目標(biāo)檢測方法主要是利用一些低級的視覺先驗(yàn)信息(如顏色、紋理、對比度等)進(jìn)行顯著性目標(biāo)檢測。雖然，傳統(tǒng)的顯著性檢測方法利用低級視覺先驗(yàn)信息可以初步定位出顯著性目標(biāo)，然而當(dāng)背景環(huán)境復(fù)雜時(shí)傳統(tǒng)的顯著性目標(biāo)檢測方法效果較差，很難準(zhǔn)確定位顯著性目標(biāo)并完整地將其從背景中分割出來。隨著，硬件的不斷發(fā)展，基于數(shù)據(jù)驅(qū)動(dòng)的深度學(xué)習(xí)方法開始廣泛流行，基于深度學(xué)習(xí)的顯著性目標(biāo)檢測方法也開始了高速發(fā)展。與傳統(tǒng)的顯著性目標(biāo)檢測方法相比，基于深度學(xué)習(xí)的顯著目標(biāo)檢測方法可以利用深層次神經(jīng)網(wǎng)絡(luò)提取高級語義信息，而高級語義信息對于準(zhǔn)確地定位顯著性目標(biāo)至關(guān)重要。

雖然，基于深度學(xué)習(xí)的顯著性目標(biāo)檢測方法，相較于傳統(tǒng)的顯著性目標(biāo)檢測有了很大的提升。然而顯著性目標(biāo)在不同的場景下尺度復(fù)雜多變且類別不固定，使得很難準(zhǔn)確地定位顯著性目標(biāo)并完整地從背景中分割出來。研究發(fā)現(xiàn)高層次語義特征，對于高效地定位顯著性目標(biāo)并完整地從背景中分割出來至關(guān)重要。當(dāng)下的很多方法通過增加感受野的方法來進(jìn)一步提取高層次語義特征。然而，利用卷積層的堆疊、較大的卷積核或直接使用空洞卷積增大感受野的方式進(jìn)一步提取語義特征的操作效果并不佳。

發(fā)明內(nèi)容：

為了解決上述問題，本發(fā)明提出了一種基于超大感受野特征優(yōu)化的顯著性目標(biāo)檢測方法，設(shè)計(jì)混合式增大感受野特征優(yōu)化機(jī)制，通過并行不同尺度的卷積核，與不用填充率的空洞卷積操作，進(jìn)一步提取主干ResNet-50框架生成特征的高層次語義信息，然后進(jìn)行融合使得可以高效準(zhǔn)確定位顯著性目標(biāo)；其次設(shè)計(jì)隱形關(guān)系特征融合機(jī)制，對于上一步中優(yōu)化的特征進(jìn)行基于隱形關(guān)系逐層次融合對于不同尺度的特征進(jìn)行互補(bǔ)性融合，生成最終顯著性圖。使得網(wǎng)絡(luò)可以從復(fù)雜背景中準(zhǔn)確地定位顯著性目標(biāo)并完整地將其分割出來。

本發(fā)明的技術(shù)方案是提供了一種基于超大感受野特征優(yōu)化的顯著性目標(biāo)檢測方法，該方法包括以下步驟：

1.一種基于超大感受野特征優(yōu)化的顯著性目標(biāo)檢測方法，其特征在于，該方法包括一下步驟：

(1)將ResNet-50作為主干框架對RGB圖像提取多尺度特征信息然后進(jìn)行編碼；

(2)利用超大感受野機(jī)制優(yōu)化多尺度特征生成高質(zhì)量特征；

(3)利用隱形關(guān)系特征融合機(jī)制將優(yōu)化后的特征進(jìn)行互補(bǔ)性融合，然后生成最終顯著性圖。