【技术实现步骤摘要】
本专利技术一般涉及图像处理，具体涉及一种结合了筛选和多尺度融合的视频显著目标检测方法。
技术介绍
1、显著目标检测旨在识别和分割图像或视频中最突出的目标区域，通常将其用作预处理步骤以促进计算机视觉任务，例如图像分割，视觉跟踪，图像理解和图像裁剪等。尽管已经有许多研究人员在显著性目标检测方面取得了很大的成就，但在此领域仍然充满挑战，特别是在视频显著性目标检测方面的研究极少。
2、传统的显著性目标检测方法受人眼机制讨论的启发，它通常利用目标的显著特征，例如明亮的颜色、强烈的对比度、方向的差异、纹理等来对目标的显著性部分进行分割。一般，根据视觉子集的类型或使用特性，传统的显着性对象检测方法可以分为两个不同的类别：(1)使用基于块的视觉子集或基于区域的视觉子集。(2)仅使用图像本身提供的固有提示或引入外部提示，例如用户注释。但是，它们通常对复杂的图像产生不令人满意的预测，并且在实践中不能应用于实际项目。
3、近年来，快速发展的卷积神经网络极大地提高了视频显著目标检测算法的性能；之后，通过流引导特征扭曲和递归特征细化模块扩...
【技术保护点】
1.一种结合了筛选和多尺度融合的视频显著目标检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种结合了筛选和多尺度融合的视频显著目标检测方法，其特征在于，所述筛选网络为基于resnet50的网络，包括由ResNet50组成的解码器；ASPP、BN层和Relu激活函数以及筛选模块组成。
3.根据权利要求2所述的一种结合了筛选和多尺度融合的视频显著目标检测方法，其特征在于，所述筛选模块是由contact ratio模块和connected domain模块组成。
4.根据权利要求1所述的一种结合了筛选和多尺度融合的视频显著...
【技术特征摘要】
1.一种结合了筛选和多尺度融合的视频显著目标检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种结合了筛选和多尺度融合的视频显著目标检测方法，其特征在于，所述筛选网络为基于resnet50的网络，包括由resnet50组成的解码器；aspp、bn层和relu激活函数以及筛选模块组成。
3.根据权利要求2所述的一种结合了筛选和多尺度融合的视频显著目标检测方法，其特征在于，所述筛选模块是由contact ratio模块和connected domain模块组成。
4.根据权利要求1所述的一种结合了筛选和多尺度融合的视频显著目标检测方法，其特征在于，所述多尺度融合网络中，骨干网络由resnet50构成，在网络中aspp输出的包含显著目标位置信息的高层特征以全局引导的形式...
【专利技术属性】
技术研发人员：任星，黄竹，孙晨浩，王俊，侯彦东，
申请(专利权)人：河南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。