基于全卷积网络的语义显著性区域检测方法研究

被引：7

作者：

郑云飞 ^{[1
,2
,3
]}

张雄伟 ^{[1
]}

曹铁勇 ^{[1
]}

孙蒙 ^{[1
]}

机构：

[1] 解放军陆军工程大学

[2] 解放军炮兵防空兵学院

[3] 安徽省偏振成像与探测重点实验室

来源：

电子学报 | 2017年 / 45卷 / 11期

关键词：

语义信息; 全卷积网络; 颜色外观模型; 显著性区域检测;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

基于底层视觉特征和先验知识的显著性区域检测算法难以检测一些复杂的显著性目标,人的视觉系统能分辨这些目标是由于其中包含丰富的语义知识.本文构建了一个基于全卷积结构的语义显著性区域检测网络,用数据驱动的方式构建从图像底层特征到人类语义认知的映射,提取语义显著性区域.针对网络提取的语义显著性区域的缺点,本文进一步引入颜色信息、目标边界信息、空间一致性信息获得准确的超像素级前景和背景概率.最后提出一个优化模型融合前景和背景概率信息、语义信息、空间一致性信息得到最终的显著性区域图.在6个数据集上与15种最新算法的比较实验证明了本文算法的有效性和鲁棒性.

引用

页码：2593 / 2601

页数：9

共 6 条

[1] 基于视觉显著性与文字置信图的场景文字的背景抑制方法 [J].

姜维 ;

卢朝阳 ;

李静 ;

刘晓佩 ;

姚超 .

电子学报, 2015, 43 (01) :62-68

[2] 基于分级显著信息的空间编码方法 [J].

赵宏伟 ;

李清亮 ;

刘萍萍 .

电子学报, 2014, 42 (09) :1863-1867

[3] 一种基于加权稀疏编码的频域视觉显著性检测算法 [J].

钱晓亮 ;

郭雷 ;

韩军伟 ;

程塨 ;

姚西文 .

电子学报, 2013, 41 (06) :1159-1165

[4]

DenseCut: Densely Connected CRFs for Realtime GrabCut[J] . M. M. Cheng,V. A. Prisacariu,S. Zheng,P. H. S. Torr,C. Rother.Computer Graphics Forum . 2015 (7)

[5] How much the eye tells the brain [J].

Koch, Kristin ;

McLean, Judith ;

Segev, Ronen ;

Freed, Michael A. ;

Berry, Michael J., II ;

Balasubramanian, Vijay ;

Sterling, Peter .

CURRENT BIOLOGY, 2006, 16 (14) :1428-1434

[6]

HIGH-LEVEL SCENE PERCEPTION[J] . John M. Henderson,Andrew Hollingworth.Annual Review of Psychology . 1999

← 1 →