基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
图像的显著性检测被用来定位和提取能够获取人类视觉注意的图像区域。为了提高复杂场景下图像显著性检测的精准度,基于人类视觉注意的生物特性,位置优先、颜色优先和边界优先等高层先验知识作为查询被用于半监督学习的流形排序。通过流形结构描述的图像区域间的相关性,可得到图像各区域的显著性描述。实验结果表明,先验知识与半监督学习的结合可有效提高检测质量。
推荐文章
基于半监督学习的一种图像检索方法
基于内容的图像检索
半监督学习
图像特征
相关度
查准率—查全率曲线
一种基于半监督学习的应用层流量分类方法
流量分类
半监督学习
特征选择
一种基于受限约束范围标签传播的半监督学习算法
概率转移矩阵
受限约束范围
标签传播
半监督学习算法
一种运用显著性检测的行为识别方法
行为识别
显著性检测
稀疏表示
低秩矩阵恢复
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种结合先验知识和半监督学习的显著性检测方法
来源期刊 现代计算机:中旬刊 学科 工学
关键词 显著性检测 先验知识 半监督学习 流形排序
年,卷(期) 2017,(4) 所属期刊栏目
研究方向 页码范围 18-21
页数 4页 分类号 TP391
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
显著性检测
先验知识
半监督学习
流形排序
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代计算机:中旬刊
月刊
1007-1423
44-1415/TP
广州市海珠区新港西路135号中山大学园B
46-205
出版文献量(篇)
9067
总下载数(次)
3
总被引数(次)
0
论文1v1指导