一种基于中心先验与U-Net网络相结合的显著性检测方法

摘要

本发明提供了基于中心先验与U‑Net网络相结合的显著性检测方法,S1：利用U‑net编码器对对输入图像提取特征，通过卷积和池化的方式得到输入图像的高级特征信息；S2：背景噪声抑制优化模块的设计，并对高层特征信息进行优化，根据底层信息中像素块占整个图像的位置和比例生成对应的中心先验概率图；S3：网络的解码部分对信息进行五层解码，在上采样解码的过程中采用跨层传播的方式并构建了信息传播模块；S4:自适应损失函数机制维持网络结构的稳定；S5：最后通过sigmoid激活函数生成最终的显著性概率图。通过本发明的技术方案，本发明针对显著性检测领域中的背景抑制问题，将传统的中心先验思想与深度学习框架U‑Net相结合，提出了一种基于中心先验的显著性检测方法。