10.3969/j.issn.1000-3428.2017.06.036
基于类别先验与深度神经网络特征的显著性检测
现有的显著性检测算法多基于图像底层特征,在内容复杂的图像上应用时容易受到干扰.为此,提出一种加入类别先验信息的显著性检测算法.基于深度神经网络生成的特征图谱,选择对预训练集分类结果有正向贡献的部分加权重组,根据保留的空间信息生成显著性图像,结合颜色对比和图像过分割算法进行显著性目标分割.在网络图像组成的公开测试集上的实验结果表明,与IT,SR等算法相比,该算法的平均正确率、召回率和F值都有明显提高.
显著性检测、深度学习、深度神经网络、类别先验、图像特征、图像分割
43
TP391.41(计算技术、计算机技术)
上海市科委研究计划项目15511104402
2017-07-31(万方平台首次上网日期,不代表论文的发表时间)
共5页
225-229