基于感知逻辑和特征对比的图像显著性检测方法技术

本发明专利技术公开了一种基于感知逻辑和特征对比的图像显著性检测方法，本发明专利技术的具体步骤如下：(1)通用特征提取；(2)特征预处理；(3)高阶特征提取；(4)特征后处理；(5)网络决策。本发明专利技术本发明专利技术基于人类视觉感知逻辑构建了一个由通用特征提取模块、特征预处理模块、高阶特征提取模块、高阶特征后处理模块与网络决策模块组成的卷积神经网络，克服了现有目标检测方法中只在简单背景下检测效果好，但对于复杂背景下检测效果差问题，使得本发明专利技术不仅在训练阶段耗时短，而且在检测阶段能够准确识别复杂背景下的显著性目标。

【技术实现步骤摘要】
基于感知逻辑和特征对比的图像显著性检测方法
本专利技术属于图像处理
，更进一步涉及图像分类和检测
的一种基于感知逻辑和特征对比的图像显著性检测方法。本专利技术可用于检测图像中的显著性目标。
技术介绍
随着人工智能领域的不断发展，显著性目标检测在计算机视觉领域的应用变得越来越广泛，逐渐成为了计算机视觉中的一个基础的问题。也是计算机视觉领域中的一项有很强挑战性的任务，它的目的在于针对任务要求自动检测出图像中最明显的物体或区域。可以应用在很多图像处理和深度学习任务中。现有的大量视觉显著性检测方法在自然数据集上都有较好的检测效果，但依然存在很多问题亟待解决。例如目前绝大多数的网络使用的backbone的网络，在使用模型时都需要重新训练，让backbone模型重新训练出一套针对当前目标任务的参数，而这种在训练过程中让网络的所有参数都参与梯度更新的方法，会使得参数数量提升，从而导致训练的速度下降，同时巨大的参数量所要求的硬件配置也会相对提高。例如在一个检测任务中，若检测对象形态类别等信息未知，目标形态多变的情况下，很难一次性训练出匹配此本文档来自技高网...

【技术保护点】
1.一种基于感知逻辑和特征对比的图像显著性检测方法，其特征在于，使用基于特征对比的高阶特征提取模块获得待检测目标的显著性特征，使用训练好的基于感知逻辑的深度神经网络检测显著性目标；该方法的步骤包含如下：/n步骤1，构建子卷积神经网络：/n第一步，搭建一个由5个相同结构的子模块并联组成的特征预处理模块，每个子模块的结构依次为：第一卷积层→第二卷积层→Batch Normalization层→PReLu层；/n每个子模块中所有层的卷积核大小均为3*3，步长均设置为1；第一个子模块中第一、第二卷积层的卷积核个数均为64；第二个子模块中第一、第二卷积层的卷积核个数均为256；第三个子模块中第一、第二卷...

【技术特征摘要】
1.一种基于感知逻辑和特征对比的图像显著性检测方法，其特征在于，使用基于特征对比的高阶特征提取模块获得待检测目标的显著性特征，使用训练好的基于感知逻辑的深度神经网络检测显著性目标；该方法的步骤包含如下：
步骤1，构建子卷积神经网络：
第一步，搭建一个由5个相同结构的子模块并联组成的特征预处理模块，每个子模块的结构依次为：第一卷积层→第二卷积层→BatchNormalization层→PReLu层；
每个子模块中所有层的卷积核大小均为3*3，步长均设置为1；第一个子模块中第一、第二卷积层的卷积核个数均为64；第二个子模块中第一、第二卷积层的卷积核个数均为256；第三个子模块中第一、第二卷积层的卷积核个数均为512；第四个子模块中第一、第二卷积层的卷积核个数均为1024；第五个子模块中第一、第二卷积层的卷积核个数均为2048；
第二步，搭建一个由5个相同结构的子模块并联组成的高阶特征提取模块，每个子模块的结构依次为：第一卷积层→第二卷积层→第一特征融合层→显著性计算层→第二特征融合层；其中第一卷积层和第二卷积层并联；
每个子模块中第一卷积层的卷积核大小均为1*3；每个子模块中第二卷积层的卷积核大小均为3*1；每个子模块中所有层的卷积核步长均为设置为1；第一个子模块中第一、第二卷积层的卷积核个数均为320；第二个子模块中第一、第二卷积层的卷积核个数均为832；第三个子模块中第一、第二卷积层的卷积核个数均为1792；第四个子模块中第一、第二卷积层的卷积核个数均为3584；第五个子模块中第一、第二卷积层的卷积核个数均为3072；
第三步，搭建一个由5个相同结构的子模块并联组成的的高阶特征后处理模块，每个子模块的结构依次为：第一卷积层→上采样层；
每个子模块的卷积层大小均为3*3，步长均设置为1；第一个子模块中第一卷积层的卷积核个数均为320；第二个子模块中第一卷积层的卷积核个数均为832；第三个子模块中第一卷积层的卷积核个数均为1792；第四个子模块中第一卷积层的卷积核个数均为3584；第五个子模块中第一卷积层的卷积核个数均为3072；上采样层中的采样方法设置为双线性插值法；
第四步，搭建1个由concat层和第一卷积层的两层的网络决策模块；其中，卷积核的大小为1*1，步长为1，卷积核的个数为5；
第五步，将特征预处理...

【专利技术属性】
技术研发人员：钟桦，袁彦博，程枭，李海雄，贾帅帅，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61