买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西安交通大学申请的专利一种基于边界增强的显著性目标检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114821059B 。

龙图腾网通过国家知识产权局官网在2025-05-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210467623.4，技术领域涉及：G06V10/25；该发明授权一种基于边界增强的显著性目标检测方法及系统是由田智强;余凌昊;陈张设计研发完成，并于2022-04-29向国家知识产权局提交的专利申请。

本一种基于边界增强的显著性目标检测方法及系统在说明书摘要公布了：本发明公开了一种基于边界增强的显著性目标检测方法及系统，以视觉显著性图像数据为输入，通过卷积神经网络对显著性目标区域进行预测，解决显著性目标检测任务中尺度变化和边界区域像素模糊的问题,通过使用不同分辨率的特征信息相互进行补充，进一步加强单一分辨率特征的表达能力；使用多尺度特征提取，从固定分辨率特征中提取不同尺度的信息，更好的解决目标尺度变化的问题；使用边界提取建模显著性边界，提取边界信息后进一步补充显著性目标特征信息，一定程度上解决边界像素不清晰的问题，得到最终的显著性目标预测,使用一种混合损失函数，从不同层面监督模型训练，以更加均匀高亮的突出显著性目标区域。

本发明授权一种基于边界增强的显著性目标检测方法及系统在权利要求书中公布了：1.一种基于边界增强的显著性目标检测方法，其特征在于，包括以下步骤：S1，从训练集图像中提取不同分辨率的抽象特征图，对抽象特征图进行多级融合得到多级融合特征图，对多级融合特征图进行处理得到包含多尺度信息的特征图；S2，将得到的包含多尺度信息的特征图进行信息转化后进行拼接融合，得到包含边界信息的特征，同时利用每一级转换后的特征得到一个边界检测结果，再进一步拼接融合得到融合的边界检测结果；具体的，将4个逐级融合特征h4、h3、h2、h1作为输入，首先经过一个信息转换模块提取包含边界信息的特征eh4、eh3、eh2、eh1，信息转换模块是由两个1×1、3×3和1×1的卷积组，卷积组中包含着一个残差连接操作；再将包含边界信息的特征经过1×1卷积降低通道数后上采样得到显著性边界预测结果e4、e3、e2、e1；将提取到的多级边界特征eh4、eh3、eh2、eh1上采样后沿着通道进行拼接，输入到边界特征聚合模块中得到最终的包含边界信息的特征EF，边界聚合模块由四个包含残差操作的3×3卷积组成；最终的边界特征如下式所示：EF＝EdgeInfoConcatUpeh1,Upeh1,Upeh3,Upeh4式中：EdgeInfo·表示边界特征聚合模块；EF表示聚合多级信息的显著性边界特征，可用于下一步和显著性目标特征进行融合；S3，将包含多尺度信息的特征图进行多尺度信息提取后与包含边界信息的特征进行拼接得到显著性目标检测结果；S4，利用显著目标检测结果、边界检测结果以及对应的训练集训练显著性目标检测模型直至满足收敛条件，利用训练完成的显著性目标检测模型进行目标检测；使用反向传播策略优化网络的参数，使用损失函数帮助训练，训练过程中所使用的损失函数根据任务的不同一共分为两类：显著性边界检测损失和显著目标检测损失，训练过程中总的损失函数公式表示如下：Loss＝Lsod+λ1Ledge式中：λ1是一个超参数，用于平衡两项任务的损失，其值在实验中设置为10；使用平衡二叉熵损失来监督显著边界学习过程，平衡二叉熵损失公式表达如下： 式中：β是非边界像素数量占所有像素数量的比例；显著性目标检测损失函数由两种侧重点不同的损失函数组合而成，包含针对单个像素点的二值交叉熵损失和针对前景区域的一致性增强损失，总的损失表示如下：Lsod＝Lbce+Lcel二值交叉熵损失在显著目标检测任务中是用的最多的损失函数，该损失是像素级别的损失，在所有像素上达到收敛，公式表示所示： 式中：P代表显著性目标预测图；p代表P中的一个像素点；G代表真值图；g代表G中的一个像素点；log·像素级别的对数操作；一致性增强损失是一个图像级别的损失，一致性增强损失函数公式表达如下： 式中：P代表显著性目标预测图；p代表预测图中的像素点。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。