一种基于双阶段聚类的无监督图像显著边界框检测方法

一种基于双阶段聚类的无监督图像显著边界框检测方法，属于机器学习技术领域；包括：使用特征提取器从图像中提取特定层次的语义特征，生成对应的特征图，然后调整特征图尺寸并将调整后的特征图分别记作F1,F4和F5；基于谱聚类对F1,F4和F5进行分割，分别生成一组突出显著区域的二值掩码集合M1,M4和M5；利用自定义先验条件对M1,M4和M5内的二值掩码进行筛选，形成新的集合M1′,M4′和M5′；引入点云和边缘检测技术对M1′,M4′和M5′内的二值掩码进行轮廓提取；基于层次聚类方法对M1′,M4′和M5′内的二值掩码进行区域合并；进行最终的边界框生成。本发明可在无监督条件下高效生成显著物体边界框，通过双阶段聚类的设计使得在边界框生成时能够更灵活地考虑多种特征，提高了物体检测的准确性和鲁棒性。