基于双编码器生成式对抗网络的协同视觉显著性检测方法

发明专利有效专利

申请号：
CN202011558989.X
IPC分类号：G06T7/00;G06K9/62;G06N3/04;G06N3/08
申请日期：
2020-12-25
申请人：
郑州轻工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于双编码器生成式对抗网络的协同视觉显著性检测方法
申请号	CN202011558989.X	申请日期	2020-12-25
法律状态	授权	申报国家	暂无
公开/公告日	2021-04-13	公开/公告号	CN112651940A
优先权	暂无	优先权号	暂无
主分类号	G06T7/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06T 一般的图像数据处理或产生〔6，2006.01〕 G06T7/00 图像分析〔6，2006.01，2017.01〕	IPC分类号	G;0;6;T;7;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	郑州轻工业大学	申请人地址	河南省郑州市高新技术产业开发区科学大道136号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	郑州轻工业大学	当前权利人	郑州轻工业大学
发明人	钱晓亮;成曦;岳伟超;赵艺芳;曾黎;程塨;姚西文;吴青娥;任航丽;刘向龙;王芳;刘玉翠
代理机构	郑州优盾知识产权代理有限公司	代理人	栗改

摘要

本发明提出了一种基于双编码器生成式对抗网络的协同视觉显著性检测方法，其步骤为：构建双编码器生成式对抗网络模型并进行预训练；预训练的参数用于生成式对抗网络模型；将协同显著性数据以一组图像输入到分类网络模块，提取多尺度组级图像语义类别特征，多尺度语义融合模块融合多尺度组级图像语义类别特征为组间显著性特征；将成组输入的图像以单张依次输入到显著性编码器得到单幅显著性特征；将单幅显著性特征分别与组间显著性特征进行像素级相加得到协同显著性特征，将协同显著性特征输入到解码器解码得到检测图像；利用协同显著性数据集检测训练后的生成式对抗网络模型。本发明模型参数较小，训练和检测操作简单，检测精度较高，提高了效率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供