基于多尺度先验深度特征的多目标显著性检测方法

摘要：

显著性检测是近年来国内外计算机视觉领域研究的热点问题,在图像压缩、目标识别与跟踪、场景分类等领域具有广泛的应用.针对大多显著性检测方法只针对单个目标且鲁棒性不强这一问题,本文提出一种基于深度特征的显著性检测方法.首先,在多个尺度上对输入图像进行超像素分割,利用目标先验知识对预显著区域进行提取和优化.然后,采用卷积神经网络提取预选目标区域的深度特征.对高维深度特征进行主成分分析并计算显著性值.最后,提出一种改进的加权多层元胞自动机方法,对多尺度分割显著图进行融合优化,得到最终显著图.在公开标准数据集SED2和HKU IS的实验表明,与现有经典显著性检测方法相比,本文方法对多显著目标检测更准确.

关键词：显著性检测、卷积神经网络、过分割、深度特征、元胞自动机

所属期刊栏目：45

资助基金：国家电网科技项目 — 自服务电网大数据治理关键技术与应用研究SGLNXT00YJJS1800110 资助

在线出版日期：2019-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2058-2070