基于结构感知深度神经网络的显著性对象检测算法
Salient object detection algorithm based on structure-sensitive deep neural network
1. 电子科技大学 a. 计算机科学与工程学院; b. 数字媒体技术四川省重点实验室, 成都 611731
2. 电子科技大学广东电子信息工程研究院, 广东 东莞 523000
摘要
由于现有的基于深度神经网络的显著性对象检测算法忽视了对象的结构信息，使得显著性图不能完整地覆盖整个对象区域，导致检测的准确率下降。针对此问题，提出一种结构感知的深度显著性对象检测算法。该算法基于一种多流结构的深度神经网络，包括特征提取网络、对象骨架检测子网络、显著性对象检测子网络和跨任务连接部件四个部分。首先，在显著性对象子网络的训练和测试阶段，通过对象骨骼检测子网络学习对象的结构信息，并利用跨任务连接部件使得显著性对象检测子网络能自动编码对象骨骼子网络学习的信息，从而感知对象的整体结构，克服对象区域检测不完整问题；其次，为了进一步提高所提方法的准确率，利用全连接条件随机场对检测结果进行进一步的优化。在三个公共数据集上的实验结果表明，该算法在检测的准确率和运行效率上均优于现有存在的基于深度学习的算法，这也说明了在深度神经网络中考虑对象结构信息的捕获是有意义的，有助于提高模型准确率。
基金项目
广东省应用型科技研发专项资金资助项目(2015B010131002)
广东省科技计划资助项目(2016A040403004)
东莞市重大科技项目(2015215102)
出版信息
DOI: 10.19734/j.issn.1001-3695.2018.01.0064
出版期卷: 《计算机应用研究》 印刷出版, 2019年第36卷 第7期
所属栏目: 图形图像技术
出版页码: 2195-2199
文章编号: 1001-3695(2019)07-058-2195-05
发布历史
[2019-07-05] 印刷出版
引用本文
李鑫, 陈雷霆, 蔡洪斌. 基于结构感知深度神经网络的显著性对象检测算法 [J]. 计算机应用研究, 2019, 36 (7): 2195-2199. (Li Xin, Chen Leiting, Cai Hongbin. Salient object detection algorithm based on structure-sensitive deep neural network [J]. Application Research of Computers, 2019, 36 (7): 2195-2199. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
