[发明专利]多模态多拼接的RGB-D显著性目标检测方法有效
| 申请号： | 201910740104.9 | 申请日： | 2019-08-12 |
| 公开（公告）号： | CN110458178B | 公开（公告）日： | 2023-09-22 |
| 发明（设计）人： | 周武杰;潘思佳;雷景生;钱亚冠;何成;李颜娥;王海江 | 申请（专利权）人： | 浙江科技学院 |
| 主分类号： | G06V10/46 | 分类号： | G06V10/46;G06V10/56;G06V10/774;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 林超 |
| 地址： | 310023 浙*** | 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： | 本发明公开了一种多模态多拼接的RGB‑D显著性目标检测方法。本发明采用ResNet50对RGB图像和经过处理的三通道深度图像进行预训练，并且从预训练中提取特征信息相互交叉结合，这是在现有方法中基本没有运用过的；在后期设计的模型中又运用到ResNet模块训练，使得训练信息前后相匹配；模型中还设计了一个采用卷积与Denseblock结合的新型模块即细节关联模块，充分结合了卷积和DenseNet的优点，使得预测结果十分优秀。本发明方法得到的真实场景图像的显著性检测结果非常好，表明利用本发明方法来获取真实场景图像对应的预测显著性检测图像是可行性且有效。 | ||
| 搜索关键词： | 多模态多 拼接 rgb 显著 目标 检测 方法 | ||
【主权项】：
1.一种基于多模态多拼接的RGB-D显著性目标检测方法，其特征在于，包括以下步骤：/n步骤1-1：选取Q幅彩色真实目标图像、每幅彩色真实目标图像对应的深度图像和每幅彩色真实目标图像对应的真实显著性图像构成训练集；/n步骤1-2：构建卷积神经网络；/n步骤1-3：将训练集输入卷积神经网络进行训练，训练过程中，每次迭代训练处理得到每幅彩色真实目标图像的显著性检测预测图，计算每幅显著性检测预测图与对应的真实显著性图像构成的损失函数值，损失函数采用二分类交叉熵获得；/n步骤1-4：不断迭代训练重复共V次，共得到Q×V个损失函数值，然后从Q×V个损失函数值中找出值最小的损失函数值，接着将值最小的损失函数值对应的权值矢量和偏置项作为卷积神经网络的最优权值矢量和最优偏置项，从而完成卷积神经网络的训练；/n步骤1-5：利用训练后获得的卷积神经网络对待显著性检测的彩色真实目标图像进行预测处理，将待显著性检测的彩色真实目标图像及其对应的深度图像输入训练后获得的卷积神经网络，输出获得对应的预测显著性检测图像，实现图像的显著性目标检测。/n
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科技学院，未经浙江科技学院许可，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/201910740104.9/，转载请声明来源钻瓜专利网。
