弱监督学习下的视觉显著性目标检测算法

摘要：

为模拟人类视觉对含有特定目标图像集中目标逐渐关注感知的行为,提出一种弱监督学习的视觉显著性目标检测算法.根据已有的视觉显著性方法获得图像的显著性区域;提取显著区域的底层视觉特征,训练获得视觉显著目标的表征;用条件随机场(conditional random fields,CRF)将学习到视觉显著目标表征进行联合学习,获得该表征在最后显著性中的权重;计算每次迭代显著图的ROC曲线,寻找视觉显著性目标最优表征及其在最后显著图中的最优权重.实验结果表明,该算法检测精度优于现有诸多算法,能够有效检测出视觉显著性目标.该算法模拟了人类视觉中对特定关注目标的感知过程,对不断重复出现的视觉显著性目标进行强化学习,具有较高的准确率.

关键词：条件随机场(CRF)、视觉显著性目标的表征、视觉显著性、弱监督学习、底层视觉特征

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61365003、61302116;甘肃省基础研究创新群体基金项目1506RJIA031;中国博士后科学基金项目2014M550494

在线出版日期：2017-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1335-1341