一种基于端到端全卷积神经网络的共同显著性检测方法

摘要

本发明公开了一种基于端到端全卷积神经网络深度模型，用于在一组相互关联的图像中发现其共同显著目标的问题。具体包括如下步骤：获取用于训练显著性检测的多组图像数据集，并定义算法目标；共享卷积层，对组内图像进行共同的语义特征学习；分别对每帧图像进行单独的特征表达；在特征层同时学习组内图像的互动关系和语义信息，得到组内图像共享特征；建立组内共享特征和单张图像特征的互动及关联关系的联合学习框架；使用所述学习框架检测图像组的共同显著性结果。本发明用于真实图像数据的显著性分析，面对各类复杂情况具有较佳的效果和鲁棒性。