一种基于多层非局部网络的视觉显著性检测方法及系统
公开
摘要
本发明公开了一种基于多层非局部网络的视觉显著性检测方法及系统，获取待检测的图像数据集；将待检测的图像数据集输入到预先训练好的显著性检测模型，得到显著性图像集；所述预先训练好的显著性检测模型为以损失函数的最小值为目标进行训练得到的多层非局部网络模型。优点：本方法的多层非局部网络，扩大了模型的感受野。与循环操作的反复性形成对比，利用非局部模块可以直接通过计算任意两个像素之间的相互作用来捕捉长距离依赖关系，而不再受到两个像素的位置距离约束，提高了效率并且得到了更好的结果。在训练模型过程中，采用了由相对熵、标准化扫描路径显著性和结构相似性构成的损失函数，使训练得到的最优模型具有较好的全面性和普适性。
基本信息
专利标题 ：
一种基于多层非局部网络的视觉显著性检测方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114612675A
申请号 ：
CN202011337545.3
公开（公告）日 ：
2022-06-10
申请日 ：
2020-11-25
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
崔子冠沈婷婷王淑菲张一帆
申请人 ：
南京邮电大学
申请人地址 ：
江苏省南京市新模范马路66号
代理机构 ：
南京纵横知识产权代理有限公司
代理人 ：
何春廷
优先权 ：
CN202011337545.3
主分类号 ：
G06V10/44
IPC分类号 ：
G06V10/44 G06V10/46 G06V10/774 G06V10/82 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
