买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：齐鲁工业大学(山东省科学院)

摘要：本发明公开了一种基于综合特征挖掘和背景降噪的协同显著目标检测方法，涉及目标检测技术领域。本发明构建的基于综合特征挖掘和背景降噪的协同显著目标检测网络包括依次连接的Input层、主干网络、残差特征模块、综合特征生成模块Ⅰ、特征增强模块、解码器和对抗学习模块；主干网络中的特征提取模块Ⅰ、特征提取模块Ⅱ和特征提取模块Ⅲ均与解码器连接；主干网络还连接对比学习模块，残差特征模块的输出端还连接特征增强模块。本发明在捕捉协同显著目标的细节方面更加突出，具有更高的检测精度，得到的预测显著图更加准确。

主权项：1.一种基于综合特征挖掘和背景降噪的协同显著目标检测方法，其特征在于：包括如下步骤：S1、获取总训练集；S2、构建基于综合特征挖掘和背景降噪的协同显著目标检测网络；所述基于综合特征挖掘和背景降噪的协同显著目标检测网络包括依次连接的Input层、主干网络、残差特征模块、综合特征生成模块Ⅰ、特征增强模块、解码器和对抗学习模块；主干网络包括依次连接的特征提取模块Ⅰ、特征提取模块Ⅱ、特征提取模块Ⅲ和特征提取模块Ⅳ，特征提取模块Ⅰ、特征提取模块Ⅱ和特征提取模块Ⅲ的输出端均与解码器的输入端连接；主干网络的输出端还连接对比学习模块，残差特征模块的输出端还连接特征增强模块；Input层的输出端还连接对抗学习模块的输入端；S3、构建基于综合特征挖掘和背景降噪的协同显著目标检测网络的总生成损失和总对抗损失；S4、基于总训练集获得子训练集，在总生成损失和总对抗损失的引导下，利用子训练集训练基于综合特征挖掘和背景降噪的协同显著目标检测网络，得到基于综合特征挖掘和背景降噪的协同显著目标检测网络模型；S5、将待检测图像输入至训练好的基于综合特征挖掘和背景降噪的协同显著目标检测网络模型中，前向传播一次，即可得到预测显著图以及预测概率值；步骤S2中，特征增强模块包括三个逐元素相乘模块、两个矩阵相乘模块和两个Add层，其中第一个逐元素相乘模块与综合特征生成模块Ⅰ中逐元素相乘模块的输出端以及残差特征模块中Add层输出端连接，第二个逐元素相乘模块与残差特征模块中Add层输出端以及综合特征生成模块Ⅰ中响应模块的输出端连接；第一个逐元素相乘模块和第二个逐元素相乘模块的输出端均与第一个Add层连接，第一个Add层依次连接MCA注意力模块、卷积核大小为1×1的卷积层和ReLU激活层，ReLU激活层分别连接Key卷积层、Query卷积层和Value卷积层，Key卷积层和Query卷积层均与第一个矩阵相乘模块连接，第一个矩阵相乘模块分别连接降序排序模块和Softmax层，降序排序模块和Softmax层的输出端均与第三个逐元素相乘模块的输入端连接，第三个逐元素相乘模块的输出端和Value卷积层的输出端均与第二个矩阵相乘模块的输入端连接，第二个矩阵相乘模块的输出端和ReLU激活层的输出端均与第二个Add层的输入端连接，第二个Add层的输出端与解码器的输入端连接。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 基于综合特征挖掘和背景降噪的协同显著目标检测方法