公开(公告)号：CN114743027B

公开(公告)日：2023-01-31

申请号：CN202210375572.2

申请日：2022-04-11

Applicant: 郑州轻工业大学

Inventor： 钱晓亮 ,  曾银凤 ,  李哲辉 ,  王慰 ,  曾黎 ,  张秋闻 ,  吴青娥 ,  程塨 ,  姚西文 ,  岳伟超 ,  任航丽 ,  刘向龙 ,  马振宇

IPC: G06V10/46 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/94 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种弱监督学习引导的协同显著性检测方法，用以解决现有协同显著性检测方法易受到不相关的显著目标的干扰的技术问题。本发明的步骤为：搭建GCAM网络的架构；搭建主干网络的架构，通过GCAM网络和主干网络构建GWSCoSal模型；利用训练数据对GCAM网络以图像组的公共类别标签作为真值进行弱监督训练；利用训练数据对主干网络进行像素级训练；GCAM网络的弱监督训练和主干网络的像素级训练联合执行，得到训练后的优化GWSCoSal模型。利用优化GWSCoSal模型对协同显著性数据集进行预测，生成预测的协同显著图。本发明在受到相似非公共显著目标干扰的情况下，能够更准确地检测出协同显著目标，操作简单，检测精度较高。

公开(公告)号：CN114743027A

公开(公告)日：2022-07-12

申请号：CN202210375572.2

申请日：2022-04-11

Applicant: 郑州轻工业大学

Inventor： 钱晓亮 ,  曾银凤 ,  李哲辉 ,  王慰 ,  曾黎 ,  张秋闻 ,  吴青娥 ,  程塨 ,  姚西文 ,  岳伟超 ,  任航丽 ,  刘向龙 ,  马振宇

IPC: G06V10/46 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/94 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种弱监督学习引导的协同显著性检测方法，用以解决现有协同显著性检测方法易受到不相关的显著目标的干扰的技术问题。本发明的步骤为：搭建GCAM网络的架构；搭建主干网络的架构，通过GCAM网络和主干网络构建GWSCoSal模型；利用训练数据对GCAM网络以图像组的公共类别标签作为真值进行弱监督训练；利用训练数据对主干网络进行像素级训练；GCAM网络的弱监督训练和主干网络的像素级训练联合执行，得到训练后的优化GWSCoSal模型。利用优化GWSCoSal模型对协同显著性数据集进行预测，生成预测的协同显著图。本发明在受到相似非公共显著目标干扰的情况下，能够更准确地检测出协同显著目标，操作简单，检测精度较高。