基于全卷积神经网络和多核学习的显着性检测-计算机应用研究.PDFVIP

基于全卷积神经网络和多核学习的显著性检测 作者 何可, 吴谨, 朱磊 机构 武汉科技大学 信息科学与工程学院 发表期刊 《计算机应用研究》 预排期卷 2018 年第35 卷第4 期 访问地址 /article/02 -2018-04-022.html 发布日期 2017-03-31 16:58:27 引用格式 何可, 吴谨, 朱磊. 基于全卷积神经网络和多核学习的显著性检测[J/OL]. [2017-03-31]. http://w /article/02 -2018-04-022.html. 摘要 针对显著性检测中特征选择的主观片面性和预测过程中特征权重的难以协调性问题，提出了一种 基于全卷积神经网络和多核学习的监督学习算法。首先通过 MSRA10K 图像数据库训练出的全卷 积神经网络(FCNN)，预测待处理图像的初步显著性区域；然后在多尺度上选择置信度高的前景、 背景超像素块作为多核支持向量机(SVM)分类器的学习样本集，选择并提取八种典型特征代表对 应样本训练SVM，接着通过多核SVM 分类器预测各超像素显著值；最后融合初步显著图和多核 学习显著图，改善FCNN 网络输出图的不足，得到最终的显著性目标。… 关键词 显著性检测, 深度学习, 全卷积神经网络, 多核学习, 监督学习 中图分类号 TP391.41 基金项目 国家自然科学基金青年项目，国家大学生创新创业计划项目（201410488015），武汉 科技大学青年骨干教师培育计划项目（2015X2010） 35 优先出版 计 算 机 应 用 研 究 第 卷 基于全卷积神经网络和多核学习的显著性检测* 何 可，吴 谨，朱 磊 (武汉科技大学 信息科学与工程学院，武汉 430081) 摘 要：针对显著性检测中特征选择的主观片面性和预测过程中特征权重的难以协调性问题，提出了一种基于全卷积神 经网络和多核学习的监督学习算法。首先通过 MSRA10K 图像数据库训练出的全卷积神经网络(FCNN)，预测待处理图 像的初步显著性区域；然后在多尺度上选择置信度高的前景、背景超像素块作为多核支持向量机(SVM)分类器的学习样 本集，选择并提取八种典型特征代表对应样本训练SVM，接着通过多核SVM 分类器预测各超像素显著值；最后融合初 步显著图和多核学习显著图，改善 FCNN 网络输出图的不足，得到最终的显著性目标。方法在 SOD 数据库和 DUT-OMRON 数据库上有更高的AUC 值，F-measure 值，综合性能均优于对比方法，验证了方法在显著性检测中准确 性的提高，为目标识别、机器视觉等应用提供更可靠的预处理结果。 关键词：显著性检测；深度学习；全卷积神经网络；多核学习；监督学习 中图分类号：TP391.41 Saliency detection based on fully convolutional network and multiple kernels learning He Ke, Wu Jin, Zhu Lei ( College of Information