基于深度神经网络色彩感知的显著性预测方法及装置

授权

摘要

本发明公开了基于深度神经网络色彩感知的显著性预测方法及装置，方法包括：将细粒度样本图像输入到预设的第一VGG网络，并将粗粒度样本图像输入到预设的第二VGG网络中，得到对应于粗粒度样本图像的第一特征图，以及对应于细粒度样本图像的第二特征图；利用特征融合算法，得到融合图像；将融合图像的特征图与融合图像进行乘法处理，进而得到预测的显著图；判断交叉熵损失函数的值是否收敛；若是，将第一VGG网络、第二VGG网络以及通道加权子网络组成的网络作为目标网络模型，并使用所述目标网络模型进行待检测图像的显著性预测；若否；调整模型权重、超参数，直至收敛。应用本发明实施例，可以实现符合人眼感知的显著性预测。

基本信息

专利标题：

基于深度神经网络色彩感知的显著性预测方法及装置

专利标题（英）：

暂无

公开（公告）号：

CN110223295A

申请号：

CN201910542301.X

公开（公告）日：

2019-09-10

申请日：

2019-06-21

授权号：

CN110223295B

授权日：

2022-05-03

发明人：

李腾程凯王妍

申请人：

安徽大学

申请人地址：

安徽省合肥市蜀山区肥西路3号

代理机构：

合肥市浩智运专利代理事务所(普通合伙)

代理人：

丁瑞瑞

优先权：

CN201910542301.X

主分类号：

G06T7/00

IPC分类号：

G06T7/00