Affiliation of Author(s):
管理学院
Key Words:
显著性检测;特征融合;卷积神经网络;空间变换网络;显著图;
Abstract:
针对现有显著性检测方法鲁棒检测效果较差这一问题,提出一种新的基于空间卷积神经网络的显著性检测算法。利用去均值、归一化的预处理方法获取目标候选区。一方面通过引入卷积变换网络,建立提取显著物体上下文信息的全局模型,得到相应的目标检测信息显著图;另一方面构建特征子网络结构输出6维变换矩阵,经过空间变形模块改造输入图像,获取边缘信息。将空间变换网络输出的局部置信度融入到全局显著信息图,求取特征表达最大值,实现显著性与非显著性划分,完成显著性检测任务。实验结果表明,该算法不仅在同等条件下显著检测的AUC值得到了提高,并且生成的显著性图聚焦点突显,鲁棒检测效果得到明显改善。
Paper Publications
