基于深监督学习的图像显著性目标检测方法

本发明公开了一种基于深监督学习的图像显著性目标检测方法，首先，修改VGG‑16网络以适应显著性检测任务，去除网络的最后一层池化层和所有全联接层，利用修改后的VGG‑16网络来提取图像的多尺度特征信息，递归融合多尺度特征，得到显著性图像；为了加强图像的边界，将真值图像依次下采样到特征图像同样的大小，来自像素级的信息监督每一层的显著性图像预测，促进预测中的互补效应，递归指导每一层的显著性特征图像，优化边界信息，增强最后的显著性图像效果。本发明解决了现有技术多尺度显著性检测存在的边界模糊等问题。

《基于深监督学习的图像显著性目标检测方法》是一发明专利，专利号为 2021103121309，当前法律状态为已下证，由杭州电子科技大学提出申请，发明人为张善卿;孟一恒;李黎;陆剑锋，申请日期为2021-03-24，公开（公告）日期为2024-05-03，国际专利分类号（IPC）为 G06V 20/40 (2022.01)，高新资质：未报高企，所属技术领域包括：基于深监督学习图像显著性目标检测、人工智能图像显著性目标检测、计算机视觉、人工智能图像处理、基于深监督学习图像处理。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于深监督学习的图像显著性目标检测方法，首先，修改VGG‑16网络以适应显著性检测任务，去除网络的最后一层池化层和所有全联接层，利用修改后的VGG‑16网络来提取图像的多尺度特征信息，递归融合多尺度特征，得到显著性图像；为了加强图像的边界，将真值图像依次下采样到特征图像同样的大小，来自像素级的信息监督每一层的显著性图像预测，促进预测中的互补效应，递归指导每一层的显著性特征图像，优化边界信息，增强最后的显著性图像效果。本发明解决了现有技术多尺度显著性检测存在的边界模糊等问题。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！