一种基于残差网络和深度信息融合的显著 性检测方法
电 话：0991-6663985
联系人：杨辉
地 址：新疆乌鲁木齐新市区河南东路739号自治区中小企业服务中心1号楼102室
成果介绍
(12)发明专利
(10)授权公告号
(45)授权公告日
(21)申请号 201910444775 .0
(22)申请日 2019 .05 .27
(65)同一申请的已公布的文献号
申请公布号 CN 110263813 A
(43)申请公布日 2019 .09 .20
(73)专利权人 浙江科技学院
地址 310023 浙江省杭州市西湖区留和路
318号
(72)发明人 周武杰 吴君委 雷景生 何成
钱亚冠 王海江 张伟
(74)专利代理机构 宁波奥圣专利代理事务所
(普通合伙) 33226
代理人 周珏
李荣 等 .利用卷积神经网络的显著性区域
预测方法 .《重庆邮电大学学报( 自然科学版)》
.2019 ,
审查员 曹青
(54)发明名称
一种基于残差网络和深度信息融合的显著
性检测方法
(57)摘要
本发明公开了一种基于残差网络和深度信
息融合的显著性检测方法，其在训练阶段构建卷
积神经网络，输入层包括RGB图输入层和深度图
输入层，隐层包括5个RGB图神经网络块、4个RGB
图最大池化层、5个深度图神经网络块、4个深度
图最大池化层、5个级联层、5个融合神经网络块、
4个反卷积层，输出层包括5个子输出层；将训练
集中的彩色真实物体图像和深度图像输入到卷
积神经网络中进行训练，得到显著性检测预测
图；通过计算显著性检测预测图与真实显著性检
测标签图像之间的损失函数值，得到卷积神经网
络训练模型；在测试阶段利用卷积神经网络训练
模型对待显著性检测的彩色真实物体图像进行
预测，得到预测显著性检测图像；优点是显著性
检测准确率高。
阅读全文
