基于GBVS改进的Object Bank场景分类方法

• 作者: 陈思喜 陈梦婷
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: object bank GBVS 场景分类 视觉显著性 高层特征
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 图像处理
• 页码范围: 61-64,70
• 页数: 5页
• 分类号: TP751
• 字数: 4089字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.01.012

摘要

Object Bank (OB)是一种基于物体的高层语义图像特征表示,该方法所提取的高层特征具有较丰富的场景语义.然而,该方法所采用的物体检测器检测物体的准确率并不高,从而影响高层特征的提取效果.针对OB方法中物体检测器准确率较低的缺点,提出一种基于Graph-Based Visual Saliency (GBVS)显著性分析算法改进的OB方法.先通过GBVS方法对图像进行显著性处理,计算图像中的显著性区域,然后结合OB方法中的物体检测器对显著区域进行检测,提取更具有场景语义的高层特征.实验结果表明,该方法突出了具有显著性的物体,提高了OB方法中目标检测器的准确率,在OB方法的基础上提取出了更具有显著性的图像特征,并在分类准确率上比OB方法提高了4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈思喜	福州大学物理与信息工程学院	13	32	3.0	4.0
2	陈梦婷	同济大学电子与信息工程学院计算机系	1	4	1.0	1.0