[发明专利]一种视觉显著性检测中的自主学习方法

权利要求书

1.一种视觉显著性检测中的自主学习方法，其特征在于：通过以下各个步骤实现：

1)借助两个不同的有监督深度显著目标检测(Salient Object detection，SOD)模型构造两个并行的视觉感知通道，形成一套双视觉信息流的显著目标检测框架；通过比较同一时刻两个感知通道输出显著图的二值化掩膜之间的差异，度量显著目标区域的感知饱和程度；若掩膜差异小则饱和度高，差异大则饱和度低；目标感知的饱和度可作为一种目标检测可信度的表达。

2)当步骤1)输出的感知饱和度超过一个预设的经验阈值，则认为视觉感知接近饱和，双通道输出的显著图可叠加生成一个最终显著图，该显著图的二值化掩膜被视为高可信度的目标区域；由此收集一定数量可信度高的自动标注目标区域，形成算法自主标注的训练样本集，用于步骤1)中两个有监督的深度SOD模型的进一步自主学习更新；反之，若步骤1)输出的感知饱和度值小于预设的阈值，表明视觉感知欠饱和，此时检测输出的显著目标区域可信度低，不会被选择进入训练样本集。

3)收集一定数量自主标注的训练样本后，步骤1)中的两个SOD模型可被重新训练更新；更新的SOD模型能够获得性能更好的显著目标检测结果；在有限测试数据条件下，连续迭代更新SOD模型，整个系统的显著目标检测性能会不再提升，趋于饱和。