基于图像级标签及超像素块的弱监督显著性检测

• 作者: 曾群生 谭台哲 轩康西
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 弱监督 显著性检测 超像素
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图形图像技术
• 页码范围: 601-605
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.06.0576

摘要

针对获得训练数据集代价高昂问题,提出了一种用于图像显著性检测的弱监督新方法,在训练网络模型时仅使用图像级标签.方法分为两个阶段,在第一阶段,根据图像级标签训练分类模型,获得前景推断图;在第二阶段,对原图像进行超像素块处理,并与阶段一得到的前景推断图进行融合,从而细化显著对象边界.算法使用了现有的大型训练集和图像级标签,未使用像素级标签,从而减少了注释的工作量.在四个公共基准数据集上的实验结果表明,性能明显优于无监督的模型,与全监督模型相比也具有一定的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭台哲	广东工业大学计算机学院	27	117	6.0	9.0
3	曾群生	广东工业大学计算机学院	2	1	1.0	1.0
6	轩康西	广东工业大学计算机学院	1	0	0.0	0.0