基于无监督栈式降噪自编码网络的显著性检测算法

• 作者: 周亚琴 李庆武 邢俊 马云鹏
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 显著性检测 无监督网络 栈式降噪自编码 深度信念网络 互信息
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 871-879
• 页数: 9页
• 分类号: TP751.1
• 字数: 5412字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.04.015

摘要

针对现有的显著性检测算法检测目标类型单一、通用性差的问题,提出一种基于无监督栈式降噪自编码网络的显著性检测算法.该算法利用无监督栈式降噪自编码网络(Stacked Denoising Auto Encoder,SDAE)在多个尺度对原始图像进行稀疏重构,将原始图像与SDAE网络重构图像之间的差作为显著图,二值化后的显著图作为显著性目标检测结果.在SDAE网络训练过程中,将原始图像作为原始数据,网络重构的图像作为观察数据.为了提升网络训练效率,首先利用无监督逐层贪婪方法训练同结构的深度信念网络(Deep Belief Network,DBN),将训练得到的DBN网络参数设为SDAE网络的初始参数,再计算原始数据与观察数据之间的互信息作为网络收敛代价,利用反向传播进行网络参数微调.实验表明,该网络模型可以完成多类型目标的显著性检测,具有通用性好,准确度高等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李庆武	河海大学物联网工程学院	99	812	17.0	24.0
5	马云鹏	河海大学物联网工程学院	12	19	1.0	4.0
9	周亚琴	河海大学物联网工程学院	3	21	1.0	3.0
13	邢俊	河海大学物联网工程学院	4	8	1.0	2.0