面向社群图像的显著区域检测方法
网络技术和社交网站的发展带来了社群图像的飞速增长.海量的社群图像成为了非常重要的图像类型.本文关注社群图像的显著区域检测问题,提出基于深度特征的显著区域检测方法.针对社群图像带有标签的特点,在系统框架中,本文采取两条提取线:基于CNN特征的显著性计算和基于标签的语义计算,二者的结果进行融合.最后,通过全连接的条件随机场模型对融合的显著图进行空间一致性优化.此外,为了验证面向社群图像的显著区域检测方法的性能,针对目前没有面向社群图像的带有标签信息的显著性数据集,基于NUS-WIDE数据集,本文构建了一个图像结构丰富的社群图像数据集.大量的实验证明了所提方法的有效性.
显著性、显著区域、社群图像、深度学习、标签
13
TP311(计算技术、计算机技术)
北京市自然科学基金项目4182022;北京联合大学2017年度人才强校百杰计划项目BPHR2017CZ10;"十三五"时期北京市属高校高水平教师队伍建设支持计划项目IDHT20170511;国家科技支撑计划项目2015BAH55F03
2018-04-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
174-181