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：西安交通大学;同济大学

摘要：本发明公开了一种基于局部和全局上下文融合的显著性目标检测方法及系统，所述方法包括以下步骤：获取待显著性目标检测的RGB图片并输入预训练好的显著性目标检测模型，获得显著性目标检测结果；其中，所述显著性目标检测模型包括：特征提取网络，用于获取多尺度特征；拼接融合网络，用于获得低层细节特征和高层语义特征；局部上下文提取网络，用于输出细腻的局部上下文特征；全局上下文提取网络，用于输出细腻的全局上下文特征；融合输出网络，用于输出显著性目标检测结果。本发明能够有效地提取局部和全局上下文信息，能够提高复杂场景中显著性检测的高效性和准确性。

主权项：1.一种基于局部和全局上下文融合的显著性目标检测方法，其特征在于，包括以下步骤：获取待显著性目标检测的RGB图片并输入预训练好的显著性目标检测模型，获得显著性目标检测结果；其中，所述显著性目标检测模型包括：特征提取网络，用于获取输入的RGB图片的多尺度特征；拼接融合网络，用于将所述多尺度特征中的预设前几层特征融合，获得低层细节特征；用于将所述多尺度特征中的预设后几层特征融合，获得高层语义特征；局部上下文提取网络，用于输入所述低层细节特征，输出细腻的局部上下文特征；全局上下文提取网络，用于输入所述高层语义特征，输出细腻的全局上下文特征；融合输出网络，用于输入细腻的局部上下文特征和细腻的全局上下文特征并融合，获得上下文融合特征；基于所述上下文融合特征，输出显著性目标检测结果；所述局部上下文提取网络包括：低层特征融合网络，用于输入所述低层细节特征，进行通道数统一处理，输出融合后的低层细节特征；局部特征细化网络，用于输入所述融合后的低层细节特征，进行细化处理，输出细腻的局部上下文特征；其中，所述局部特征细化网络为U型自编码器；所述U型自编码器中，对每一层上采样解码增加短连接操作，将下采样编码的特征与上采样解码的特征相结合，用于弥补对特征进行下采样操作造成的有限上下文聚合；所述全局上下文提取网络具体包括：高层特征融合网络，用于输入所述高层语义特征，进行通道数统一处理，输出融合后的高层语义特征；全局特征细化网络，用于输入所述融合后的高层语义特征，进行细化处理，输出细腻的全局上下文特征；其中，所述全局特征细化网络包括：连续卷积操作和池化操作，用于输入所述融合后的高层语义特征，进行连续下采样编码得到卷积神经网络编码后的语义特征；Transformer编码器，用于对卷积神经网络编码后的语义特征再编码，输出Transformer编码后的特征；基于卷积神经网络的解码器，用于输入所述Transformer编码后的特征，采用短连接的上采样方式得到全局上下文特征；其中，所述Transformer编码器的每层编码块均由LayerNorm、Multi-HeadAttention、Dropout和多层感知机组成。

全文数据：

权利要求：

百度查询： 西安交通大学 同济大学 基于局部和全局上下文融合的显著性目标检测方法及系统