基于样本选择的RGBD图像协同显著目标检测

• 全文链接
• 请求原文

作   者：

刘政怡;  刘俊雷;  赵鹏; 

作者机构：

安徽大学计算机科学与技术学院; 

关键词：

分类器;  目标检测;  RGBD图像;  深度学习;  协同显著目标; 

期刊名称：

电子与信息学报

基金项目：

基于深度学习和迁移学习的图像自动语义标注方法研究

i s s n：

1009-5896

年卷期：

2020 年 009 期

页   码：

2277-2284

摘   要：

协同显著目标检测的目的是在包含两张及以上相关图像的图像组中检测共同显著的物体.该文提出一种利用机器学习的方法对协同显著目标进行检测.首先,基于4个评分指标从图像组中选择部分显著目标易于检测的简单图像,构成简单图像集;接着,基于协同一致性的原则,从简单图像集中提取正负样本,并用深度学习模型提取的高维语义特征表示正负样本;再者,利用正负样本训练的协同显著分类器对图像中的超像素进行分类,得到协同显著目标区域;最后,经过一个平滑融合的操作,得到最终的协同显著图.在公开数据集上的测试结果表明,所提算法在检测精度和检测效率上优于目前的主流算法,并具有较强的鲁棒性.