发明名称 |
基于对抗网络的图像显著性检测方法 |
摘要 |
本发明公开了一种利用对抗训练来生成卷积神经网络模型的图像显著性检测方法,属于计算机视觉与图像处理领域。所述方法包括数据预处理、网络结构、选取合适的参数、使用随机梯度下降法与冲量单元进行训练,数据预处理是对收集到的大量数据及标签进行预处理,网络结构是设计网络结构及具体核函数,选取合适的参数包括学速率、动量因子及每次塞入网络的图像数目,使用随机梯度下降法与冲量单元进行训练来减小网络过拟合的可能性,利用本发明能够更准确地获取显著性图。 |
申请公布号 |
CN106296692A |
申请公布日期 |
2017.01.04 |
申请号 |
CN201610659363.5 |
申请日期 |
2016.08.11 |
申请人 |
深圳市未来媒体技术研究院;清华大学深圳研究生院 |
发明人 |
王好谦;闫冰;王兴政;张永兵;戴琼海 |
分类号 |
G06T7/00(2006.01)I |
主分类号 |
G06T7/00(2006.01)I |
代理机构 |
深圳新创友知识产权代理有限公司 44223 |
代理人 |
江耀纯 |
主权项 |
一种利用对抗训练的图像显著性检验方法,其特征在于,所述方法包括:A1:数据预处理:对收集到的图像及标签进行预处理,得到图像数据;A2:设计卷积神经网络模型结构及具体核函数;A3:选取合适的参数;A4:使用对抗训练来减小卷积神经网络模型过拟合的可能性,得到训练好的卷积神经网络模型;A5:将所述图像数据输入到所述训练好的卷积神经网络模型后,得到显著图。 |
地址 |
518000 广东省深圳市南山区西丽大学城清华园区F305B |