【技术实现步骤摘要】
本专利技术涉及计算机视觉领域，具体是指一种弱监督显著目标检测方法。
技术介绍
1、显著目标检测是指根据人眼视觉机制自动发现图像中最吸引人的区域。传统的显著目标检测方法使用手工特征来预测显著图，但由于缺乏高级语义特征信息的指导，传统方法在复杂场景中检测显著对象的能力不足。深度学习的发展弥补了传统方法的不足，因为其中的神经网络能够学习高级语义特征信息。目前，基于深度学习的显著目标检测方法依赖于精确的大规模标注数据集。然而，手工标注数据需要经过专业人员培训才能进行，并且标注过程乏味、耗时且成本高。因此，如何利用稀疏标签训练模型，提高显著目标检测的性能，同时降低标注成本和时间，是本领域的重要技术课题之一。
技术实现思路
1、为解决上述技术问题，本专利技术提供的技术方案为：一种弱监督显著目标检测方法，包括以下步骤：
2、步骤s1：生成伪显著目标标签；
3、步骤s2：通过算法筛选所述伪显著目标标签，获取更优的显著目标标签；
4、步骤s3：依据筛选完成后的显著目标标签，生成确定区域掩码图，显著目标边缘图；
5、步骤s4：将优化后的显著目标标签、确定区域掩码图和显著目标边缘图输入显著目标检测网络，作为训练的监督标签，对显著目标检测网络进行训练，得到训练完善的弱监督显著目标检测模型。
6、本专利技术与现有技术相比的优点在于：1、本专利技术提供的方法不依赖于精确的大规模数据训练，仅需点标注标签训练网络，降低了标注成本，同时，该方法的性能超过了
7、2、本专利技术提供的方法使用点标注标签，相比其他弱监督标签更加节省时间，同时不需要标注者经过专门的标注培训，从而节约了标注成本。
8、3、本专利技术提供的方法相较于其他弱监督显著目标检测方法，不需要进行多轮网络训练和后处理，只需进行一轮端到端的特征学习，从而提高了显著目标检测任务的效率。
本文档来自技高网...【技术保护点】
1.一种弱监督显著目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种弱监督显著目标检测方法，其特征在于，所述步骤S1的实现方法，包括以下子步骤：
3.根据权利要求2所述的一种弱监督显著目标检测方法，其特征在于，所述步骤S1.2的实现方法，包括以下子步骤：
4.根据权利要求1所述的一种弱监督显著目标检测方法，其特征在于，所述步骤S2的实现方法，包括以下子步骤：
5.根据权利要求1所述的一种弱监督显著目标检测方法，其特征在于，所述步骤S3的实现方法，包括以下子步骤：
6.根据权利要求1所述的一种弱监督显著目标检测方法，其特征在于，所述步骤S4的实现方法，包括以下子步骤：
【技术特征摘要】
1.一种弱监督显著目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种弱监督显著目标检测方法，其特征在于，所述步骤s1的实现方法，包括以下子步骤：
3.根据权利要求2所述的一种弱监督显著目标检测方法，其特征在于，所述步骤s1.2的实现方法，包括以下子步骤：
4.根据权利要...
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。