(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210467623.4 (22)申请日 2022.04.29 (71)申请人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 田智强　余凌昊　陈张　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 李鹏威 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/46(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于边界增强的显著性目标检测方法 及系统 (57)摘要 本发明公开了一种基于边界增强的显著性 目标检测方法及系统， 以视觉显著性图像数据为 输入， 通过卷积神经网络对显著性目标区域进行 预测， 解决显著性目标检测任务中尺度变化和边 界区域像素模糊的问题,通过使用不同分辨率的 特征信息相互进行补充， 进一步加强单一分辨率 特征的表达能力； 使用多尺度特征提取， 从固定 分辨率特征中提取不同尺度的信息， 更好的解决 目标尺度变化的问题； 使用边界提取建模显著性 边界， 提取边界信息后进一步补 充显著性目标特 征信息， 一定程度上解决边界像素不清晰的问 题， 得到最终的显著性目标预测,使用一种混合 损失函数， 从不同层面监督模型训练， 以更加均 匀高亮的突出显著性目标区域。 权利要求书2页 说明书7页 附图5页 CN 114821059 A 2022.07.29 CN 114821059 A 1.一种基于边界增强的显著性目标检测方法， 其特 征在于， 包括以下步骤： S1， 从训练集图像中提取不同分辨率的抽象特征图， 对抽象特征图进行多级融合得到 多级融合特 征图， 对多 级融合特 征图进行处 理得到包 含多尺度信息的特 征图； S2， 将得到的包含多尺度信息的特征图进行信息转化后进行拼接融合， 得到包含边界 信息的特征， 同时利用每一级转换后的特征得到一个边界检测结果， 再进一步拼接融合得 到融合的边界检测结果； S3， 将包含多尺度信 息的特征图进行多尺度信息提取后与包含边界信息的特征进行拼 接得到显著性目标检测结果； S4， 利用显著目标检测结果、 边界检测结果以及对应的训练集训练显著性目标检测模 型直至满足收敛 条件， 利用训练完成的显著性目标检测模型进行目标检测。 2.根据权利要求1所述的一种基于边界增强的显著性目标检测方法， 其特征在于， 采用 在ImageNet上训练完成的ResNet ‑50作为网络的主干从训练集图像中提取不同分辨率的抽 象特征图， 移除最后的池化层和全连接层， 得到五个不同尺寸的多 级融合特 征图。 3.根据权利要求1所述的一种基于边界增强的显著性目标检测方法， 其特征在于， 对得 到的不同尺度的多级融合特征图自顶向下反向逐级融合， 每次融合前先对当前的多级融合 特征图进行一次多尺度信息提取， 再进行上采样和上一层多级融合特征图进行融合， 得到 包含多尺度信息的特 征图。 4.根据权利要求1所述的一种基于边界增强的显著性目标检测方法， 其特征在于， 步骤 S2中， 多级特征 的融合是将特征层和其相邻的特征层通过上采样或池化保持尺寸一致， 相 互之间元素相加进行信息补充， 再将信息得到补充后的特征进行聚合， 得到五个不同尺寸 的多级聚合特 征图。 5.根据权利要求1所述的一种基于边界增强的显著性目标检测方法， 其特征在于， 使用 不同空洞率的空洞卷积进行采样， 通过不同的感受野获得不同尺度的信息， 提高网络模型 面对尺度变化目标的检测能力。 6.根据权利要求1所述的一种基于边界增强的显著性目标检测方法， 其特征在于， 在每 一次的逐级融合特征过程中， 在不同尺寸的特征上多次进行多尺度信息提取， 进一步融合 多尺度信息 。 7.根据权利要求1所述的一种基于边界增强的显著性目标检测方法， 其特征在于， 使用 逐级融合特 征作为输入， 对每一级特 征进行边界检测， 提取 出目标的边界信息 。 8.根据权利要求1所述的一种基于边界增强的显著性目标检测方法， 其特征在于， 训练 过程使用损失函数， 并在损失反向传播时进行参数调整。 9.根据权利要求8所述的一种基于边界增强的显著性目标检测方法， 其特征在于， 损失 函数包括显著性目标检测损失和显著性边界检测损失， 其中显著性目标检测损失用于指导 显著性目标像素点的正确分类， 显著性边界检测损失用于指导显著 性目标边界区域像素点 的正确分类。 10.一种基于边界增强的显著性目标检测系统， 其特征在于， 包括卷积特征提取网络模 块， 多级特征聚合模块， 边界信息提取模块， 多尺度信息提取模块和检测模块； 卷积特征提取网络用于从训练集图像中提取不同分辨率的抽象特征图， 多级特征聚合 模块用于对抽象特征图进 行多级融合得到多级融合特征图， 多尺度信息提取模块用于对多权　利　要　求　书 1/2 页 2 CN 114821059 A 2级融合特 征图进行多尺度提取 得到包含多尺度信息的特 征图； 边界信息提取模块用于将得到的包含多尺度信息的特征图进行信息转化后进行拼接 融合， 得到包含边界信息的特征， 利用每一级转换后的特征得到一个边界检测结果， 再进一 步拼接融合得到融合的边界检测结果， 将包含多尺度信息的特征图进 行多尺度信息提取后 与包含边界信息的特 征信息进行拼接得到 显著性目标检测结果； 检测模块用于根据检测到的目标检测结果以及对应的训练集图像训练显著性目标检 测模型直至损失值满足收敛 条件， 利用训练的显著性目标检测模型进行目标检测。权　利　要　求　书 2/2 页 3 CN 114821059 A 3