【技术实现步骤摘要】
本申请涉及计算机视觉图像分析和处理领域，特别是涉及一种无监督自适应学习的弱目标显著性检测方法及系统。
技术介绍
1、显著目标检测旨在模拟人类视觉注意力机制，以识别图像中最显著的区域。作为计算机视觉中重要的图像预处理任务之一，显著目标检测已引发了广泛的研究浪潮，并被广泛应用于目标检测、目标跟踪和场景理解等领域。随着卷积神经网络的快速发展，基于监督和无监督学习的显著目标检测方法取得了显著效果。一方面，基于监督学习的方法需要大量高质量的手动标注数据，这可能导致昂贵的成本，致使人们越来越倾向于无监督的显著目标检测方法。另一方面，基于深度学习的无监督显著目标检测方法(usod，unsupervised salient object detection)采用手工制作的特征缺乏高级语义信息，导致了在复杂环境中显著目标的错检或漏检的问题，人们通过放弃了传统的手工特征，使用无监督的预训练模型来提取显著的线索来解决这一问题。
2、在一些情形下，可以从易样本和难样本中同时挖掘有价值的知识，但依然无法解决人工标注成本代价高以及在恶劣天气(如雾天)条...
【技术保护点】
1.一种无监督自适应学习的弱目标显著性检测方法，其特征在于，所述无监督自适应学习的弱目标显著性检测方法包括：
2.根据权利要求1所述的无监督自适应学习的弱目标显著性检测方法，其特征在于，所述去雾后的目标图像的计算公式如下：
3.根据权利要求1所述的无监督自适应学习的弱目标显著性检测方法，其特征在于，所述第一特征和第二特征的计算公式如下：
4.根据权利要求1所述的无监督自适应学习的弱目标显著性检测方法，其特征在于，所述激活图的计算公式如下：
5.根据权利要求1所述的无监督自适应学习的弱目标显著性检测方法，其特征在于，所述目
【技术特征摘要】
1.一种无监督自适应学习的弱目标显著性检测方法，其特征在于，所述无监督自适应学习的弱目标显著性检测方法包括：
2.根据权利要求1所述的无监督自适应学习的弱目标显著性检测方法，其特征在于，所述去雾后的目标图像的计算公式如下：
3.根据权利要求1所述的无监督自适应学习的弱目标显著性检测方法，其特征在于，所述第一特征和第二特征的计算公式如下：
4.根据权利要求1所述的无监督自适应学习的弱目标显著性检测方法，其特征在于，所述激活图的计算公式如下：
5.根据权利要求1所述的无监督自适应学习的弱目标显著性检测方法，其特征在于，所述目标损失函数如下：
6.根据权利要求1所述的无监督自适应学习的弱目标显著性检测方法，...
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。