公开(公告)号：CN115471831B

公开(公告)日：2024-01-23

申请号：CN202210393877.6

申请日：2022-04-14

Applicant: 中国矿业大学

Inventor： 梁松 ,  刘瑞航 ,  王淑灏

IPC: G06V20/62 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出一种基于文本增强学习的图像显著性检测方法，该方法构建了基于文本增强学习的图像显著性检测模型，整个显著性检测模型在结构上采用先分后合的TEL‑SD两分支架构，即分别对输入图像进行文本特征提取和图像显著性特征提取，然后通过一个融合层进行特征融合，最终得到显著性图像。本发明综合考虑了文本区域和图片区域之间的相互作用，从而能够预测出人们在观察同时包含文字和图片的图像时，注视点的连续分布情况，弥补了现有技术的空

公开(公告)号：CN115471831A

公开(公告)日：2022-12-13

申请号：CN202210393877.6

申请日：2022-04-14

Applicant: 中国矿业大学

Inventor： 梁松 ,  刘瑞航 ,  王淑灏

IPC: G06V20/62 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于文本增强学习的图像显著性检测方法，该方法构建了基于文本增强学习的图像显著性检测模型，整个显著性检测模型在结构上采用先分后合的TEL‑SD两分支架构，即分别对输入图像进行文本特征提取和图像显著性特征提取，然后通过一个融合层进行特征融合，最终得到显著性图像。本发明综合考虑了文本区域和图片区域之间的相互作用，从而能够预测出人们在观察同时包含文字和图片的图像时，注视点的连续分布情况，弥补了现有技术的空白。