基于多尺度先验深度特征的多目标显著性检测方法

• 作者: 李东民 李静 梁大川 王超
• 来源期刊: 自动化学报
• 关键词: 显著性检测 卷积神经网络 过分割 深度特征 元胞自动机
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 论文与报告
• 页码范围: 2058-2070
• 页数: 13页
• 字数: 10006字
• 语种: 中文
• DOI: 10.16383/j.aas.c170154

摘要

显著性检测是近年来国内外计算机视觉领域研究的热点问题,在图像压缩、目标识别与跟踪、场景分类等领域具有广泛的应用.针对大多显著性检测方法只针对单个目标且鲁棒性不强这一问题,本文提出一种基于深度特征的显著性检测方法.首先,在多个尺度上对输入图像进行超像素分割,利用目标先验知识对预显著区域进行提取和优化.然后,采用卷积神经网络提取预选目标区域的深度特征.对高维深度特征进行主成分分析并计算显著性值.最后,提出一种改进的加权多层元胞自动机方法,对多尺度分割显著图进行融合优化,得到最终显著图.在公开标准数据集SED2和HKU IS的实验表明,与现有经典显著性检测方法相比,本文方法对多显著目标检测更准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王超	南京航空航天大学计算机科学与技术学院	26	206	7.0	13.0
2	李静	南京航空航天大学计算机科学与技术学院	38	133	7.0	9.0
3	梁大川	南京航空航天大学计算机科学与技术学院	4	9	2.0	3.0
4	李东民	南京航空航天大学计算机科学与技术学院	6	14	2.0	3.0