基于双层多尺度神经网络的显著性对象检测算法

• 作者: 李建平 李鑫 杨帆 蔡洪斌 陈雷霆
• 来源期刊: 微电子学与计算机
• 关键词: 显著性对象检测 深度学习 深度卷积网络 条件随机场
• 年，卷（期）: 2018,（11）
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文

摘要

为了提高显著性对象检测的准确率,本文提出一种基于双层多尺度神经网络的深度模型.不同于现有的深度神经网络模型.首先,该模型以由精到粗的方式进行深度特征学习,并且定位显著性对象的初始位置;然后,以由粗到精的方式整合多尺度上下文语义信息,从而精确检测整个显著性对象区域,输出相应的显著性图;最后,为了进一步提高检测结果的准确率,利用全连接条件随机场对输出的显著性图进行优化,得到最终的显著性对象检测结果.在多个显著性对象检测公共数据集的验证结果表明,本文算法在运行效率和准确率上均优于当前传统显著性对象检测算法以及现有的基于深度学习的显著性对象检测算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈雷霆	电子科技大学计算机科学与工程学院	88	811	15.0	22.0
10	李鑫	电子科技大学计算机科学与工程学院	20	98	6.0	9.0
11	李建平	电子科技大学计算机科学与工程学院	44	389	10.0	17.0
12	蔡洪斌	电子科技大学计算机科学与工程学院	36	250	9.0	14.0
16	杨帆	电子科技大学计算机科学与工程学院	36	128	7.0	9.0