基于双层多尺度神经网络的显著性对象检测算法

李鑫; 陈雷霆; 蔡洪斌; 李建平; 杨帆

Chinese

您当前的位置：

首页 >

文章列表页 >

基于双层多尺度神经网络的显著性对象检测算法

更新时间：2026-09-04

- 基于双层多尺度神经网络的显著性对象检测算法
- Salient Object Detection Algorithm Based on Dual-Layer Multi-Scale Neural Network
- 微电子学与计算机 2018年35卷第11期页码：1-7
- 作者机构：
  
  1. 电子科技大学计算机科学与工程学院,四川,成都,611731
  2. 电子科技大学数字媒体技术四川省重点实验室机构,四川,成都,611731
  3. 电子科技大学广东电子信息工程研究院,广东,东莞,523000
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61370073国家863计划项目 2015AA016010广东省科技计划项目 2016A040403004
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
李鑫, 陈雷霆, 蔡洪斌, 李建平, 杨帆. 基于双层多尺度神经网络的显著性对象检测算法[J]. 微电子学与计算机, 2018, 35(11): 1-7.

LI Xin, CHEN Lei-ting, CAI Hong-bing, et al. Salient Object Detection Algorithm Based on Dual-Layer Multi-Scale Neural Network[J]. 2018, 35(11): 1-7.
李鑫, 陈雷霆, 蔡洪斌, 李建平, 杨帆. 基于双层多尺度神经网络的显著性对象检测算法[J]. 微电子学与计算机, 2018, 35(11): 1-7. DOI：

LI Xin, CHEN Lei-ting, CAI Hong-bing, et al. Salient Object Detection Algorithm Based on Dual-Layer Multi-Scale Neural Network[J]. 2018, 35(11): 1-7. DOI：

摘要

为了提高显著性对象检测的准确率

本文提出一种基于双层多尺度神经网络的深度模型.不同于现有的深度神经网络模型.首先

该模型以由精到粗的方式进行深度特征学习

并且定位显著性对象的初始位置; 然后

以由粗到精的方式整合多尺度上下文语义信息

从而精确检测整个显著性对象区域

输出相应的显著性图; 最后

为了进一步提高检测结果的准确率

利用全连接条件随机场对输出的显著性图进行优化

得到最终的显著性对象检测结果.在多个显著性对象检测公共数据集的验证结果表明

本文算法在运行效率和准确率上均优于当前传统显著性对象检测算法以及现有的基于深度学习的显著性对象检测算法.

Abstract

To further improve the accuracy of salient object detection

a novel Dual-Layer Multi-Scale Neural Network (DLMSNN) was proposed in this work. Different from existing deep model

the proposed deep model first learned deep features in a fine-to-coarse manner

and roughly located the salient object regions. Then

the model integrated multi-scale contextual information in a coarse-to-fine manner to precisely detect the entire salient object regions

and generated accurate saliency map of the input image. Finally

to further improve the performance

the dense conditional random field algorithm was used to refine the saliency map and produce the final result. The experimental results on several public benchmarks showed that the proposed algorithm outperformed traditional salient object detection methods and existing deep learning-based algorithms.

关键词

Keywords

references

周洋, 何永健, 刘晓琪, 等.结合立体视觉舒适度的立体图像显著性检测[J].软件学报, 2017, 28(s2):1-10. DOI: 1

Li X, Zhao L, Wei L, et al. Deep Saliency: multi-task deep neural network model for salient object detection[J]. IEEE Transactions on image processing, 2016, 25(8):3919-3930. DOI: 3919

Jiang H, Wang J, Yuan Z, et al. Salient object detection: a discriminative regional feature integration approach[C]// Proceedings of the 2013 IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2013. Piscataway, NJ: IEEE, 2013: 2083-2090.

Lee G, Tai Y W, Kim J. Deep saliency with encoded low level distance map and high level features[C]// Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern, CVPR 2016. Las Vegas, Nevada, USA, 2016 : 660-668.

Borji A, Cheng M M, Jiang H, et al. Salient object detection: a benchmark[J]. IEEE Transactions on Image Processing, 2015, 24(12): 5706-5722. DOI: 5706

He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C] // The IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2016. Las Vegas, Nevada, USA, NJ: IEEE, 2016.

Zhu W, Liang S, Wei Y, et al. Saliency optimization from robust background detection[C]// Proceedings of the 2014 IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2014. Piscataway, NJ: IEEE, 2014: 2814-2821.

Li G, Yu Y. Deep Contrast learning for salient object detection[C]// Proceedings of the 2015 IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2016. Las Vegas, Nevada, USA, Piscataway, NJ: IEEE. 2016.

徐新, 穆楠, 张晓龙.一种鲁棒的夜间图像显著性对象检测模型[J].软件学报, 2018, 29(9):2616-2631 DOI: 2616

Chen LC, Papandreou G, Kokkinos I, et al. Deeplab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected crfs[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2018, 40(4) :834-848. DOI: 834

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

V型沟槽SiC中子探测器的蒙特卡洛分析

低功耗设计的双链电源关断策略的实现与验证

一种用于极低压boost系统的高效率电荷泵

面向处理器分支预测单元的Spectre攻击轻量化防御方法

一种基于特征上下文理解与切片分析的肺结核检测算法