基于卷积神经网络与全局优化的协同显著性检测

• 作者: 吴泽民 曾明勇 杜麟 王军 田畅 胡磊
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 协同显著性 深度学习 卷积神经网络 协同优化
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 论文
• 页码范围: 2896-2904
• 页数: 9页
• 分类号: TP391.41
• 字数: 5461字
• 语种: 中文
• DOI: 10.11999/JEIT180241

摘要

针对目前协同显著性检测问题中存在的协同性较差、误匹配和复杂场景下检测效果不佳等问题,该文提出一种基于卷积神经网络与全局优化的协同显著性检测算法.首先基于VGG16Net构建了全卷积结构的显著性检测网络,该网络能够模拟人类视觉注意机制,从高级语义层次提取一幅图像中的显著性区域;然后在传统单幅图像显著性优化模型的基础上构造了全局协同显著性优化模型.该模型通过超像素匹配机制,实现当前超像素块显著值在图像内与图像间的传播与共享,使得优化后的显著图相对于初始显著图具有更好的协同性与一致性.最后,该文创新性地引入图像间显著性传播约束因子来克服超像素误匹配带来的影响.在公开测试数据集上的实验结果表明,所提算法在检测精度和检测效率上优于目前的主流算法,并具有较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王军	中国人民解放军陆军工程大学通信工程学院	114	455	12.0	16.0
2	吴泽民	中国人民解放军陆军工程大学通信工程学院	18	48	3.0	6.0
3	胡磊	中国人民解放军陆军工程大学通信工程学院	15	17	3.0	3.0
4	田畅	中国人民解放军陆军工程大学通信工程学院	7	8	2.0	2.0
5	曾明勇	中国人民解放军陆军工程大学通信工程学院	2	14	2.0	2.0
6	杜麟	中国人民解放军陆军工程大学通信工程学院	7	6	2.0	2.0