结合深度学习和全局-局部特征的图像显著区域计算

摘要：

为提高图像显著区域的检测效率, 提出一种结合区域特征-全文信息的深度学习框架用于显著区域检测计算. 首先提出基于前景的颜色独特性和紧凑性来突出显著前景区域; 然后结合全局空间情景分布和局部信息之间的关系, 提出全局上下文模型与局部精细检测模型来深度准确计算图像的显著特征; 并提出循环结构网络对每个特征图进行位置加权, 最后将每个块模型的输出以反馈方式连接到输入建立循环连接, 通过反复迭代过滤噪声, 减少背景信息的影响. 将提出的算法在 ECSSD, DUT-OMRON 图像库中与其他算法进行对比测试, 得出的实验结果均优于当前流行算法.

关键词：机器视觉、深度学习、显著性检测、局部精细特征、全局上下文特征

所属期刊栏目：31

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金51177115;陕西省自然科学基础研究计划2017JQ6054;西安工程大学博士启动基金BS1505

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1838-1846