基于样本选择的RGBD图像协同显著目标检测

• 作者: 刘俊雷 刘政怡 赵鹏
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 目标检测 协同显著目标 RGBD图像 深度学习 分类器
• 年，卷（期）: 2020,（9）
• 页码范围: 2277-2284
• 页数: 8页
• 分类号: TN911.73; TP391.4
• 语种: 中文
• DOI: 10.11999/JEIT190393

摘要

协同显著目标检测的目的是在包含两张及以上相关图像的图像组中检测共同显著的物体。该文提出一种利用机器学习的方法对协同显著目标进行检测。首先，基于4个评分指标从图像组中选择部分显著目标易于检测的简单图像，构成简单图像集；接着，基于协同一致性的原则，从简单图像集中提取正负样本，并用深度学习模型提取的高维语义特征表示正负样本；再者，利用正负样本训练的协同显著分类器对图像中的超像素进行分类，得到协同显著目标区域；最后，经过一个平滑融合的操作，得到最终的协同显著图。在公开数据集上的测试结果表明，所提算法在检测精度和检测效率上优于目前的主流算法，并具有较强的鲁棒性。