一种基于边界增强的显著性检测方法

摘要

本发明公开了一种基于边界增强的显著性检测方法。其在训练阶段构建卷积神经网络，输入层包括RGB图输入层和深度图输入层，隐层包括5个RGB图神经网络块、3个深度图神经网络块、5个上采样块、1个均值最大最小滤波模块、1个最大最小滤波模块，输出层包括显著性输出层和显著性边界输出层；将训练集中的RGB图和深度图输入到卷积神经网络进行训练，得到显著性检测预测图；通过计算显著性检测预测图与真实显著性检测图像之间的损失函数值以及显著性边缘预测图与真实显著性边缘图之间的损失函数值，得到卷积神经网络训练模型；将待显著性检测的RGB图输入卷积神经网络训练得到预测显著性检测图像。本发明的显著性检测效率和准确率都很高。