基于多级深度特征与随机游走的显著性检测

• 作 者: 崔冬 王明 李刚 顾广华 李海涛
• 机 构: 燕山大学信息科学与工程学院,河北省信息传输与信号处理重点实验室
• 出 处: 华南理工大学学报(自然科学版)
• 发表日期: 2020年08期
• 关键词: 显著性检测 多级深度特征 特征提取 随机游走 saliency detectionmulti-level deep featuresfeature extrac
• 基金项目: 国家自然科学基金资助项目(61303128),河北省自然科学基金资助项目(F2017203169,F2018203239),河北省科技计划项目(18210336)

为了解决图像显著性检测中传统方法特征学习不全面、复杂场景下显著区域凸出不明显的问题,提出了一种基于多级深度特征和随机游走的显著性检测算法。首先,利用全卷积神经网络,结合深层和浅层卷积特征信息对图像进行多级卷积深度特征提取;然后,对图像进行超像素分割,将提取的深度卷积特征分配给相应的超像素,构建特征矩阵;最后,通过正则化随机游走排序模型生成最终的显著图。在ECSSD和DUT-OMRON数据库上的实验结果表明,与6种具有代表性的显著性检测算法相比,文中算法的准确性和F值具有一定的优势。