基于空间卷积神经网络模型的图像显著性检测

• 作者: 张新生 高东东
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 显著性检测 特征融合 卷积神经网络 空间变换网络 显著图
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 图形图像处理
• 页码范围: 240-245
• 页数: 6页
• 分类号: TP391
• 字数: 4762字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048490

摘要

针对现有显著性检测方法鲁棒检测效果较差这一问题,提出一种新的基于空间卷积神经网络的显著性检测算法.利用去均值、归一化的预处理方法获取目标候选区.一方面通过引入卷积变换网络,建立提取显著物体上下文信息的全局模型,得到相应的目标检测信息显著图;另一方面构建特征子网络结构输出6维变换矩阵,经过空间变形模块改造输入图像,获取边缘信息.将空间变换网络输出的局部置信度融入到全局显著信息图,求取特征表达最大值,实现显著性与非显著性划分,完成显著性检测任务.实验结果表明,该算法不仅在同等条件下显著检测的AUC值得到了提高,并且生成的显著性图聚焦点突显,鲁棒检测效果得到明显改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新生	西安建筑科技大学管理学院	45	251	9.0	15.0
2	高东东	西安建筑科技大学管理学院	1	9	1.0	1.0