[发明专利]一种基于双向融合网络的显著性物体检测方法及装置有效
| 申请号： | 201910092045.9 | 申请日： | 2019-01-30 |
| 公开（公告）号： | CN109816100B | 公开（公告）日： | 2020-09-01 |
| 发明（设计）人： | 谭铁牛;张彰;王亮;胡学财;王海滨 | 申请（专利权）人： | 中科人工智能创新技术研究院（青岛）有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06K9/62 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 李琳 |
| 地址： | 266300 山东省青岛市胶州市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于双向融合网络的显著性物体检测方法及装置，采用双向融合网络，能够更好地融合不同层级的特征。该方法包括以下步骤：提取输入图片的多尺度多层级特征图；采用前向特征融合子神经网络从底层到顶层逐渐融合多尺度多层级特征图，得到种子特征图；采用反向特征融合子神经网络将种子特征图自顶层向底层逐层与多尺度多层级特征图进行融合，得到与输入图片相同分辨率的特征图；采用反向融合子神经网络的多个卷积层对得到的与输入图片相同分辨率的特征图进行多卷积融合，得到显著性物体分割图。 | ||
| 搜索关键词： | 一种 基于 双向 融合 网络 显著 物体 检测 方法 装置 | ||
【主权项】：
1.一种基于双向融合网络的显著性物体检测方法，其特征是，该方法包括以下步骤：提取输入图片的多尺度多层级特征图；采用前向特征融合子神经网络从底层到顶层逐渐融合多尺度多层级特征图，得到种子特征图；采用反向特征融合子神经网络将种子特征图自顶层向底层逐层与多尺度多层级特征图进行融合，得到与输入图片相同分辨率的特征图。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中科人工智能创新技术研究院（青岛）有限公司，未经中科人工智能创新技术研究院（青岛）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910092045.9/，转载请声明来源钻瓜专利网。
