基于Faster R-CNN的显著性目标检测方法

• 作者: 刘铭坚 刚毅凝 李巍 王鸥 赵永彬 郝跃冬
• 来源期刊: 计算技术与自动化
• 关键词: 视觉显著性 目标检测 元胞自动机 超像素分割
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 图形图像技术
• 页码范围: 96-101
• 页数: 6页
• 分类号: TP393
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.201902018

摘要

显著性目标检测成为计算机视觉领域中的研究热点问题之一,但目前的方法在面对前景和背景对比度不强及复杂背景的图像时,较难取得好的检测效果.融合多尺度超像素分割方法,提出一种在背景信息相对复杂的场景中基于Faster R-CNN的显著性目标检测方法.首先对图像进行多尺度超像素分割,同时利用Faster R-CNN对图像进行目标检测,根据似物性特点对超像素进行显著性筛选,得到初始目标位置特征后进行显著性检测及优化,最后使用元胞自动机方法对多尺度超像素显著性图进行融合.通过在特定类数据集进行实验,与已有典型显著性检测进行对比分析,验证了本文方法在背景复杂的图像中可提升显著性目标检测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李巍		25	61	4.0	7.0
2	刚毅凝		13	9	1.0	2.0
3	王鸥		15	14	2.0	3.0
4	赵永彬		25	68	5.0	7.0
5	郝跃冬		3	7	1.0	2.0
6	刘铭坚	南京航空航天大学计算机科学与技术学院	1	1	1.0	1.0