基于深度学习的显著区域提取方法

作     者：梁晔 马楠 刘宏哲 LIANG Ye;MA Nan;LIU Hongzhe

作者机构：北京联合大学信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100044 

基　　金：北京市自然科学基金(4182022)资助项目 国家自然科学基金(61871038,61871039)资助项目 北京联合大学人才强校优选计划领军计划(BPHR2020AZ02)资助项目 

出 版 物：《数据采集与处理》 (Journal of Data Acquisition and Processing)

年 卷 期：2020年第35卷第3期

页      码：474-482页

摘      要：目前显著区域提取方法通常会设计多个复杂的网络结构,导致计算和存储代价较高。深度学习网络本身具有多尺度的特点,不同的卷积层特征具有不同的空间分辨率,可以避免复杂网络结构的设计。基于此,本文设计了一种新颖的基于深度学习的显著性检测网络,既考虑了特征的多尺度特点,又考虑了图像中显著区域的大小对显著区域检测结果的影响。实验中以流行的基准数据集作为实验对象,结果证明了本文方法的优越性能。

主 题 词：深度学习 显著区域 多尺度 

学科分类：0810[工学-土木类] 08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16337/j.10049037.2020.03.010

馆 藏 号：203935296...