面向社群图像的显著区域检测方法

• 作者: 于剑 梁晔
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 显著性 显著区域 社群图像 深度学习 标签
• 年，卷（期）: 2018,（2）
• 页码范围: 174-181
• 页数: 8页
• 分类号: TP311
• 字数: 5810字
• 语种: 中文
• DOI: 10.11992/tis.201706043

摘要

网络技术和社交网站的发展带来了社群图像的飞速增长.海量的社群图像成为了非常重要的图像类型.本文关注社群图像的显著区域检测问题,提出基于深度特征的显著区域检测方法.针对社群图像带有标签的特点,在系统框架中,本文采取两条提取线:基于CNN特征的显著性计算和基于标签的语义计算,二者的结果进行融合.最后,通过全连接的条件随机场模型对融合的显著图进行空间一致性优化.此外,为了验证面向社群图像的显著区域检测方法的性能,针对目前没有面向社群图像的带有标签信息的显著性数据集,基于NUS-WIDE数据集,本文构建了一个图像结构丰富的社群图像数据集.大量的实验证明了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于剑	北京交通大学计算机与信息技术学院	68	1099	12.0	32.0
2	梁晔	北京联合大学机器人学院	30	142	7.0	11.0