专利内容由知识产权出版社提供
专利名称：基于参数共享深度学习网络的立体图像视觉显著提
取方法
专利类型：发明专利
发明人：周武杰,蔡星宇,钱亚冠,王海江,何成,邱薇薇申请号：CN201910168092.7申请日：20190306公开号：CN109977967A公开日：20190705
摘要：本发明公开了一种基于参数共享深度学习网络的立体图像视觉显著提取方法，其在训练阶段构建参数共享深度学习网络，其包括输入层、参数共享特征提取框架、显著图生成框架，参数共享特征提取框架由resnet‑50网络中的第1块resnet‑50卷积网络块、第2块resnet‑50卷积网络块、第3块resnet‑50卷积网络块、第4块resnet‑50卷积网络块、第5块resnet‑50卷积网络块依次设置组成，利用参数共享特征提取框架提取彩色图特征和视差图特征；在测试阶段利用参数共享深度学习网络训练模型对待测试的立体图像的左视点图像和左视差图像进行预测，得到人类注视预测图即视觉显著图像；优点是其提取的立体视觉特征符合显著语义，且其具有较强的提取稳定性和较高的提取准确性。
申请人：浙江科技学院
地址：310023 浙江省杭州市西湖区留和路318号
国籍：CN
代理机构：宁波奥圣专利代理事务所(普通合伙)
代理人：周珏
更多信息请下载全文后查看
