[发明专利]基于图像显著性检测的水工复杂场景下人物识别方法在审
| 申请号： | 201910240747.7 | 申请日： | 2019-03-27 |
| 公开（公告）号： | CN109977970A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 孙丰;卢克;马艳娜 | 申请（专利权）人： | 浙江水利水电学院 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62 |
| 代理公司： | 杭州浙科专利事务所(普通合伙) 33213 | 代理人： | 吴秉中;吴伟凯 |
| 地址： | 310018 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于图像显著性检测的水工复杂场景下人物识别方法，针对部分显著性物体（人物）检测模型出现部分区域语义信息缺失的情况提出了一种新的强监督显著性检测方法。采用的模型分为两层，第一层主要采用了多层次的全卷积神经网络在像素层面上抓取显著性人物的全局语义信息与局部特征信息，并标注出粗糙的显著性人物。第二层通过使用短连接引入第一层运行过程中生成的浅层次的显著性特征，与粗糙显著图融合从而获取被丢失的特征信息，并加强显著物体的边界特征。在数据输入时，选取了原生图片高光化后的图片与原生去高光图片同时作为输入，设计的模型在网络上随机收集获取的水工复杂场景下的人物数据集上表现优良。 | ||
| 搜索关键词： | 显著性 复杂场景 检测 人物识别 第一层 高光 粗糙 卷积神经网络 图像 抓取 显著性特征 显著性物体 边界特征 局部特征 区域语义 人物数据 特征信息 像素层面 信息缺失 语义信息 运行过程 短连接 显著图 两层 标注 图片 融合 引入 全局 网络 表现 监督 | ||
【主权项】：
1.一种基于图像显著性检测的水工复杂场景下人物识别方法，其技术特征在于：采用多层次的全卷积神经网络对图片进行显著性物体的检测，在检测过程中专门针对小物体情况采集全局语义特征，采集局部信息作为补充。
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浙江水利水电学院，未经浙江水利水电学院许可，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/201910240747.7/，转载请声明来源钻瓜专利网。
