基于加权的K近邻线性混合显著性目标检测

• 作者: 刘政怡 李全龙 李炜
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 显著性目标检测 集成学习 线性混合 加权的K近邻
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 论文
• 页码范围: 2442-2449
• 页数: 8页
• 分类号: TP391
• 字数: 4091字
• 语种: 中文
• DOI: 10.11999/JEIT190093

摘要

显著性目标检测旨在于一个场景中自动检测能够引起人类注意的目标或区域,在自底向上的方法中,基于多核支持向量机(SVM)的集成学习取得了卓越的效果.然而,针对每一张要处理的图像,该方法都要重新训练,每一次训练都非常耗时.因此,该文提出一个基于加权的K近邻线性混合(WKNNLB)显著性目标检测方法:利用现有的方法来产生初始的弱显著图并获得训练样本,引入加权的K近邻(WKNN)模型来预测样本的显著性值,该模型不需要任何训练过程,仅需选择一个最优的K值和计算与测试样本最近的K个训练样本的欧式距离.为了减少选择K值带来的影响,多个加权的K近邻模型通过线性混合的方式融合来产生强的显著图.最后,将多尺度的弱显著图和强显著图融合来进一步提高检测效果.在常用的ASD和复杂的DUT-OMRON数据集上的实验结果表明了该算法在运行时间和性能上的有效性和优越性.当采用较好的弱显著图时,该算法能够取得更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李炜	安徽大学计算机科学与技术学院	69	399	12.0	14.0
2	刘政怡	安徽大学计算机科学与技术学院	50	241	9.0	12.0
3	李全龙	安徽大学计算机科学与技术学院	1	0	0.0	0.0