公开(公告)号：CN112884730B

公开(公告)日：2022-06-07

申请号：CN202110160367.X

申请日：2021-02-05

Applicant: 南开大学

Inventor： 程明明 ,  范登平 ,  范琦 ,  邓智强 ,  戴宇荣

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种协同显著性物体检测方法及系统，获取不同的图片组，对图片组进行编码，以提取特征图；对提取的特征图进行全局关系学习，得到图片组共性，并将其与特征图进行深度分离滤波，进行解码生成检测结果。对检测结果进行测试，如果不满足要求，则对提取的特征图和图片组共性进行全局协同学习，对特征图进行分类，以得到更好的图片特征，直到测试结果满足要求。本发明大大提升了模型的辨别能力，进而提升了协同显著性物体检测的性能。

公开(公告)号：CN112884730A

公开(公告)日：2021-06-01

申请号：CN202110160367.X

申请日：2021-02-05

Applicant: 南开大学

Inventor： 程明明 ,  范登平 ,  范琦 ,  邓智强 ,  戴宇荣

IPC: G06T7/00 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于协作学习的协同显著性物体检测方法及系统，获取不同的图片组，对图片组进行编码，以提取特征图；对提取的特征图进行全局关系学习，得到图片组共性，并将其与特征图进行深度分离滤波，进行解码生成检测结果。对检测结果进行测试，如果不满足要求，则对提取的特征图和图片组共性进行全局协同学习，对特征图进行分类，以得到更好的图片特征，直到测试结果满足要求。本发明大大提升了模型的辨别能力，进而提升了协同显著性物体检测的性能。