【技术实现步骤摘要】
本专利技术属于二维图像显著性检测领域，具体涉及一种基于不确定性指导学习的细粒度显著目标检测方法。
技术介绍
1、显著目标检测(sod)旨在识别图像中最具视觉吸引力的对象或区域。由于显著物体检测广泛应用于计算机视觉领域，在许多下游任务中起着关键作用，包括目标检测、语义分割、图像重定向、视频摘要等。
2、现有方法在准确定位显著目标方面取得了令人满意的结果。然而，在目标边界附近进行细粒度预测仍然存在挑战。当前方法生成的预测图经常包含伪影或未饱和区域，极大地损害了预测图的可靠性。为了应对这一挑战，大多数现有方法利用聚合低级特征来实现对局部细节的细粒度定位，因为低级特征包含丰富的局部语义。然而，考虑到低级特征中存在大量噪声和干扰，以及特征信息可能来自非显著对象，低级特征的聚合带来的益处有限。在对象边界附近，只有一小部分有意义的信息可用于细粒度预测。
3、另一个用于细粒度预测的关键机制是边界指导。由于显著性预测图中通常存在模糊和未饱和区域，特别是在对象边界附近，边界信息被认为能够提供有效指导。然而，基于先验知识的边界指导在训...
【技术保护点】
1.一种基于不确定性指导学习的细粒度显著目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于不确定性指导学习的细粒度显著目标检测方法，其特征在于，步骤(2)所述的多尺度交互模块实现过程如下：
3.根据权利要求1所述的一种基于不确定性指导学习的细粒度显著目标检测方法，其特征在于，步骤(3)所述的缩放空间一致性模块实现过程如下：
4.根据权利要求1所述的一种基于不确定性指导学习的细粒度显著目标检测方法，其特征在于，步骤(4)所述的利用显著性图来生成不确定性图实现过程如下：
5.根据权利要求1所述的一种基...
【技术特征摘要】
1.一种基于不确定性指导学习的细粒度显著目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于不确定性指导学习的细粒度显著目标检测方法，其特征在于，步骤(2)所述的多尺度交互模块实现过程如下：
3.根据权利要求1所述的一种基于不确定性指导学习的细粒度显著目标检测方法，其特征在于，步骤(3)所述的缩放空间一致性模块实现过程如下：
4.根据权利要求1所述的一种基于不确定性指导学习的细粒度显著目标检测方法，其特征在于，步骤(4)所述的利用显著性图来生成不确定性图实现过程如下：
5.根据权利要求1所述的一种基于不确定性指导学习的细粒度显著目标检测方法，其特征在于，步骤(4)所述的自适应动态划分机制实现过程如下：
6.根据权利要求1所述的一种基于不确定性指导学习的细粒度...
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。