摘要：为准确定位复杂背景下的显著区域,优化显著图的稀疏性问题,融合自底向上和自顶向下的注意信息,提出一种全卷积编解码显著区域检测模型.首先构建基于VGG16网络的全卷积网络,并进行与之对称的解码操作;然后在解码过程中自顶向下地将高层特征与低层高分辨率特征相连接,输出不同分辨率特征下的显著图;最后对其采用最小二乘估计法找到最优权值进行加权结合,得到最终的显著图.在5个公开数据集上与当前流行的模型进行对比,结果表明该模型的性能优于其他模型.

摘要：由于现有显著性检测算法得到的显著图内容差异较大,因此设计一种具有普遍适用性的显著区域检测算法以依据不同稀疏度的显著图进行高效率的检测仍是一个具有挑战性的问题。提出结合超像素分割方法和直方图阈值化分割方法以在不同的显著图上进行显著区域检测并提高检测效率。利用超像素分割方法对原图像进行分割计算,计算每个超像素的平均显著度值,并用该平均值取代超像素内每个像素的原像素值更新显著图,利用新显著图的直方图将显著图二值化以确定显著目标,利用一覆盖显著目标的最小矩形区域表示检测得到的显著区域。实验结果表明,在不同的显著图上,所提算法能有效检测显著区域,在检测效果的客观度量指标和时间性能指标上均优于现有算法。

摘要：视频广告作为一种重要的媒体形式,正在潜移默化地影响着人们的生活。针对如何对视频广告进行识别,本文提出了一种基于商标匹配的视频广告识别算法。考虑到视频广告帧中存在着大量的背景干扰问题,本文算法首先对视频广告帧进行显著区域检测,将广告帧中较为显著的商标信息与周围背景分开,然后对已得到的显著区域图进行SURF特征提取,并与商标库中的商标显著区域图进行匹配。实验结果表明:本文算法对广告帧中商标存在的背景干扰、尺度缩放、旋转、颜色、光照等变化具有很好的鲁棒性,取得了令人满意的匹配准确率,很好地实现了视频广告识别。