基于类别先验与深度神经网络特征的显著性检测

• 作者: 沈志强 邓凝旖 郭跃飞
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 显著性检测 深度学习 深度神经网络 类别先验 图像特征 图像分割
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 图形图像处理
• 页码范围: 225-229
• 页数: 5页
• 分类号: TP391.41
• 字数: 4079字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.06.036

摘要

现有的显著性检测算法多基于图像底层特征,在内容复杂的图像上应用时容易受到干扰.为此,提出一种加入类别先验信息的显著性检测算法.基于深度神经网络生成的特征图谱,选择对预训练集分类结果有正向贡献的部分加权重组,根据保留的空间信息生成显著性图像,结合颜色对比和图像过分割算法进行显著性目标分割.在网络图像组成的公开测试集上的实验结果表明,与IT,SR等算法相比,该算法的平均正确率、召回率和F值都有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭跃飞	复旦大学计算机科学技术学院	21	239	8.0	15.0
3	沈志强	复旦大学计算机科学技术学院	2	34	2.0	2.0
5	邓凝旖	复旦大学计算机科学技术学院	1	7	1.0	1.0