[发明专利]基于双流网络结构的快速显著性目标检测方法

权利要求书

1.一种基于双流网络结构的快速显著性目标检测方法，其特征在于，所述方法包括：

对标注值进行预处理，将标注值拆分为边缘轮廓图和主体图；

将ResNet-50网络中的卷积层conv3_4、conv4_6、conv5_3通过编码的方式分为边缘支流和主体支流；

对边缘支流加入边缘轮廓增强模块，该支流用于检测边缘轮廓特征；主体支流按照ResNet-50的结构进行卷积，检测主体特征；

将通道注意模块入到高级语义特征的输出通道；将边缘轮廓特征与主体特征进行融合得到精确的显著目标图；

其中，所述将ResNet-50网络中的卷积层conv3_4、conv4_6、conv5_3通过编码的方式分为边缘支流和主体支流具体为：

将卷积层conv3_4、conv4_6、conv5_3通过编码的方式分为卷积层conv3_4b、conv4_6b、conv5_3b和conv3_4e、conv4_6e、conv5_3e两个支流；

其中，卷积层conv3_4b、conv4_6b、conv5_3b表示主体支流，卷积层conv3_4e、conv4_6e、conv5_3e表示边缘支流；

其中，在基网络ResNet-50的conv2_3和边缘支流的conv3_4e之间并行加入四个不同膨胀率的膨胀卷积；卷积核大小均为3×3，膨胀率分别设置为1，3，5，7，每个膨胀卷积核对应的感受野为3×3，7×7，11×11，15×15，膨胀卷积能够增大感受野并保持和原始图片一样大小的输出；

将卷积层conv5_3e和conv5_3b输出的特征通过通道注意力机制，对高级语义特征进行权重优化分配；

当低级特征同时通过四个不同膨胀率的膨胀卷积核时，设置每一个卷积核的输出维度都为64维，通过拼接的方式将四个同维度的输出生成256维的输出，通过1×1的卷积核对输出进行维度的处理，生成与原始低级特征相同维度的具有更加丰富边缘轮廓信息的特征图。