结合深度学习和全局-局部特征的图像显著区域计算

• 作者: 张烨 曹雯 朱永灿 纪超 黄新波
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 机器视觉 深度学习 显著性检测 局部精细特征 全局上下文特征
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 图像与视觉
• 页码范围: 1838-1846
• 页数: 9页
• 分类号: TP391.41
• 字数: 6219字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2019.17544

摘要

为提高图像显著区域的检测效率, 提出一种结合区域特征-全文信息的深度学习框架用于显著区域检测计算. 首先提出基于前景的颜色独特性和紧凑性来突出显著前景区域; 然后结合全局空间情景分布和局部信息之间的关系, 提出全局上下文模型与局部精细检测模型来深度准确计算图像的显著特征; 并提出循环结构网络对每个特征图进行位置加权, 最后将每个块模型的输出以反馈方式连接到输入建立循环连接, 通过反复迭代过滤噪声, 减少背景信息的影响. 将提出的算法在 ECSSD, DUT-OMRON 图像库中与其他算法进行对比测试, 得出的实验结果均优于当前流行算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄新波	西安工程大学电子信息学院	168	2529	27.0	44.0
2	张烨	西安工程大学电子信息学院	22	155	8.0	12.0
3	朱永灿	西安工程大学电子信息学院	45	224	9.0	14.0
4	纪超	西安工程大学电子信息学院	11	31	3.0	5.0
5	曹雯	西安工程大学电子信息学院	28	68	5.0	7.0