基于融合多层卷积特征的显著性区域提取
Extraction of saliency region based on fusion of multilayer convolutional features
上海工程技术大学 电子电气工程学院, 上海 201620
摘要
针对目前卷积神经网络提取图像特征不充分导致的显著性提取效果不明显的问题，提出了一种多层卷积特征融合的自编码显著性区域提取算法。在使用卷积网络提取图像特征时，其浅层卷积特征一般提取的是图像的细节特征如颜色、纹理和位置特征，深层次卷积特征一般是图像的语义特征，在编码层将浅层卷积特征经过下采样融合到深层次的卷积特征中，并将深层次卷积特征进行上采样融合到浅层卷积特征中，实验表明这样可以大大提高编码质量；在解码中将编码时的卷积特征也进行融合，可以获取到解码丢失的信息进而得到更优的解码图像。此外还设计了逐层监督的方式来指导解码层的训练，即用标准的区域提取图进行下采样作为每一层解码层的标准图进行监督训练。实验结果表明，该方法可以在PAGRN的基础上将F度量平均提升0.071，平均绝对误差MEA平均降低0.031。
基金项目
国家重点研发计划资助项目(2019YFB1802700))
出版信息
DOI: 10.19734/j.issn.1001-3695.2021.03.0122
出版期卷: 《计算机应用研究》 印刷出版, 2021年第38卷 第12期
所属栏目: 图形图像技术
出版页码: 3835-3840
文章编号: 1001-3695(2021)12-057-3835-06
发布历史
[2021-12-05] 印刷出版
引用本文
杨金凯, 王国中. 基于融合多层卷积特征的显著性区域提取 [J]. 计算机应用研究, 2021, 38 (12): 3835-3840. (Yang Jinkai, Wang Guozhong. Extraction of saliency region based on fusion of multilayer convolutional features [J]. Application Research of Computers, 2021, 38 (12): 3835-3840. )
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
