基于全卷积网络的语义显著性区域检测方法研究

• 作者: 孙蒙 张雄伟 曹铁勇 郑云飞
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 语义信息 全卷积网络 颜色外观模型 显著性区域检测
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 学术论文
• 页码范围: 2593-2601
• 页数: 9页
• 分类号: TP391.4
• 字数: 6442字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2017.11.004

摘要

基于底层视觉特征和先验知识的显著性区域检测算法难以检测一些复杂的显著性目标,人的视觉系统能分辨这些目标是由于其中包含丰富的语义知识.本文构建了一个基于全卷积结构的语义显著性区域检测网络,用数据驱动的方式构建从图像底层特征到人类语义认知的映射,提取语义显著性区域.针对网络提取的语义显著性区域的缺点,本文进一步引入颜色信息、目标边界信息、空间一致性信息获得准确的超像素级前景和背景概率.最后提出一个优化模型融合前景和背景概率信息、语义信息、空间一致性信息得到最终的显著性区域图.在6个数据集上与15种最新算法的比较实验证明了本文算法的有效性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑云飞		2	22	2.0	2.0
10	张雄伟		1	13	1.0	1.0
11	曹铁勇		1	13	1.0	1.0
12	孙蒙		1	13	1.0	1.0