一种使用过滤融合的图像显著目标检测方法技术

本发明专利技术公开了一种使用过滤融合的图像分割方法，首先使用编码器网络对图像编码，编码后能够获得m个层级的特征；然后在解码器中使用过滤融合模块融合特征。将高一层级特征conv后sigmoid，然后升采样作为权重乘以当前层级特征，作为当前层级过滤后的特征，然后将高一层级特征升采样后conv处理，然后与该特征在通道维连接，并用conv处理，得到当前层级融合后的特征；最后使用损失函数对该网络模型优化；本发明专利技术所述的方法，可以提高图像显著目标检测的效果。通过过滤融合模块的使用，可以有效融合不同层级特征。合不同层级特征。合不同层级特征。

【技术实现步骤摘要】
一种使用过滤融合的图像显著目标检测方法


[0001]本专利技术涉及图像处理
，具体的说涉及一种图像显著目标检测方法。

技术介绍

[0002]图像显著目标检测是指计算机自动的分割出图像中的显著目标。该技术的应用场景非常广泛，比如用于图片压缩，或者作为目标识别、语义分割、目标跟踪等的预处理任务。
[0003]为了获得准确的图像显著目标分割结果，传统的解决方案是手工设计一种特征提取方法，然后根据该特征进行按照像素分类。
[0004]已有的图像显著目标分割方法，不能有效融合不同层级的特征，导致分割准确度不是很高。因此，本文提出能有效融合不同层级特征的方法。

技术实现思路

[0005]本专利技术所要解决的技术问题是：针对一张图像，如何使用计算机自动分割出图像中的显著目标，本专利技术提出了一种使用过滤融合的图像分割方法。
[0006]本专利技术的方法是在图像解码过程中，使用过滤融合模块，从而更好的分割图像中的显著目标。
[0007]一种使用过滤融合的图像分割方法，具体包括以下步骤：<br/>[0008]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种使用过滤融合的图像分割方法，其特征在于，具体包括以下步骤：步骤(1).使用编码器网络对图像编码，编码后能够获得m个层级的特征；步骤(2).在解码器中使用过滤融合模块融合特征；将高一层级特征conv后sigmoid，然后升采样作为权重乘以当前层级特征，作为当前层级过滤后的特征，然后将高一层级特征升采样后conv处理，然后与该特征在通道维连接，并用conv处理，得到当前层级融合后的特征；步骤(3).使用损失函数对该网络模型优化。2.根据权利要求1所述的一种使用过滤融合的图像分割方法，其特征在于，进一步的，所述的步骤(1)具体方法如下：使用在ImageNet上预训练的Resnet34网络编码图像特征；Resnet34的网络参数如表1所示；从中取出conv2_x、conv3_x、conv4_x、conv5_x的输出特征作为编码器4个层级的输出；已知输入特征为(H,W,3)，括号内前2个数表示分辨率，最后一个数表示通道数；则conv2_x的输出特征为(H/4,W/4,64),conv3_x的输出特征为(H/8,W/8,128),conv4_x的输出特征为(H/16,W/16,256),conv5_x的输出特征为(H/32,W/32,512)；表1 Resnet34网络参数3.根据权利要求2所述的一种使用过滤融合的图像分割方法，其特征在于，进一步的，步骤(2)具体方法如下：在解码器中使用过滤融合模块对特征融合；过滤融合模块包括过滤融合1、过滤融合2和过滤融合3三个部分；过滤融合1的操作如下：将conv5_x的特征使用1*1conv变换为(H/32,W/32,1)，并使用sigm...

【专利技术属性】
技术研发人员：张继勇，吕成涛，颜成钢，孙垚棋，李宗鹏，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：