基于深度学习的显著区域提取方法

• 作者: 刘宏哲 梁晔 马楠
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 深度学习 显著区域 多尺度
• 年，卷（期）: 2020,（3）
• 页码范围: 474-482
• 页数: 9页
• 分类号: TP391.9
• 字数: 4809字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2020.03.010

摘要

目前显著区域提取方法通常会设计多个复杂的网络结构,导致计算和存储代价较高.深度学习网络本身具有多尺度的特点,不同的卷积层特征具有不同的空间分辨率,可以避免复杂网络结构的设计.基于此,本文设计了一种新颖的基于深度学习的显著性检测网络,既考虑了特征的多尺度特点,又考虑了图像中显著区域的大小对显著区域检测结果的影响.实验中以流行的基准数据集作为实验对象,结果证明了本文方法的优越性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马楠	北京联合大学机器人学院	37	298	12.0	16.0
2	梁晔	北京联合大学信息服务工程重点实验室	30	142	7.0	11.0
6	刘宏哲	北京联合大学信息服务工程重点实验室	51	498	12.0	21.0