一种使用动态权重融合的焦堆栈显著目标检测方法技术

本发明专利技术公开了一种使用动态权重融合的焦堆栈显著目标检测方法，首先构建焦堆栈显著目标检测网络；然后使用编码器网络依次对焦堆栈样本中的12张焦片进行编码，编码后12张焦片分别获得m个层级的特征；对m个层级，分别使用动态权重融合模块融合12张焦片特征；使用逐层特征融合模块融合相邻层特征；最后使用损失函数对焦堆栈显著目标检测网络进行优化；本发明专利技术所述的方法，可以提高焦堆栈显著目标检测的效果。通过使用动态权重融合，可以有效融合12张焦片的特征。焦片的特征。焦片的特征。

【技术实现步骤摘要】
一种使用动态权重融合的焦堆栈显著目标检测方法


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

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逐个像素分类。
[0004]已有的焦堆栈显著目标检测方法，在解码器阶段不能有效融合12张焦片的特征，导致分割准确度不是很高。因此，本文提出能有效融合12张焦片特征的方法。

技术实现思路

[0005]本专利技术所要解决的技术问题是：针对一个焦堆栈样本，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动态权重融合的焦堆栈显著目标分割方法。
[0006]本专利技术的方法是在图像的解码过程中，使用动态权重融合12张焦片特征，从而更好的分割图像中的显著目标。
[0007]一种使用动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种使用动态权重融合的焦堆栈显著目标检测方法，其特征在于，包括以下步骤：步骤(1).构建焦堆栈显著目标检测网络；所述的焦堆栈显著目标检测网络包括编码器网络、动态权重融合模块和逐层特征融合模块；步骤(2).使用编码器网络依次对焦堆栈样本中的12张焦片进行编码，编码后12张焦片分别获得m个层级的特征；步骤(3).对m个层级，分别使用动态权重融合模块融合12张焦片特征；步骤(4).使用逐层特征融合模块融合相邻层特征；步骤(5).使用损失函数对焦堆栈显著目标检测网络进行优化。2.根据权利要求1所述的一种使用动态权重融合的焦堆栈显著目标检测方法，其特征在于，所述的焦堆栈显著目标检测网络具体结构如下：所述的焦堆栈显著目标检测网络包括编码器网络、动态权重融合模块和逐层特征融合模块；编码器网络采用在ImageNet上预训练的Resnet34网络，包括Conv1，Pool2，Conv2_x，Conv3_x，Conv4_x，Conv5_x模块；对每张焦片依次使用上述模块处理，并取出模块Conv2_x，Conv3_x，Conv4_x，Conv5_x的输出作为提取出的m个层级的特征；动态权重融合模块包括Fusion2，Fusion3，Fusion4，Fusion5，用于在m个层级上分别融合12张焦片的特征；逐层特征融合模块包括Decoder4，Decoder3，De...

【专利技术属性】
技术研发人员：颜成钢，吕成涛，孙垚棋，张继勇，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：