条件随机场像素建模与深度特征融合的目标区域分割算法.PDFVIP

30 6 Vol.30 No.6 2018 6 Journal of Computer-Aided Design Computer Graphics Jun. 2018 条件随机场像素建模与深度特征融合的目标区域分割算法 1) 1) 1)* 2) 李宗民 , 徐希云 , 刘玉杰 , 李 华 1) ( 中国石油大学(华东)计算机与通信工程学院 青岛 266520) 2) ( 中国科学院计算技术研究所计算机应用研究中心 北京 100190) (liuyujie@) : 针对已有的基于深度神经网络的目标区域分割算法在目标边界分割效果中存在的问题, 提出融合图像像素 信息与图像语义信息的目标区域分割算法. 首先通过加入注意力模块的深度神经网络提取图像语义级别的信息, 得 到图像语义级别的全局特征; 然后利用条件随机场模型对图像局部区域进行像素级别建模, 得到图像的局部细节特 征; 最后综合利用图像的局部细节特征和图像的全局特征, 得到目标区域的分割结果. 实验结果表明, 与已有的算 法相比, 该算法能够更好地分割出目标的边界区域, 抑制边界区域分割粗糙的问题, 得到较准确的目标分割区域. : 注意力模块; 条件随机场; 卷积神经网络; 目标区域分割 : TP391.41 DOI: 10.3724/SP.J.1089.2018.16571 Object Region Segmentation Using Deep Features and Pixel Modeling by Conditional Random Fields Li Zongmin1), Xu Xiyun1), Liu Yujie1)* and Li Hua2) 1) (College of Computer and Communication Engineering, China University of Petroleum, Qingdao 266520) 2) (Computer Application Research Center, Institute of Computing Technology, China Academy of Sciences , Beijing 100190) Abstract: Existing object region segmentation approaches based on deep convolutional neural networks are inefficient for object boundary segmentation. To address this problem, we propose an object region segmenta- tion algorithm based on pixel level features and semantic level features. Firstly, we extract and get image’s se- mantic information by deep convolutional neural networks with the attention module and get the coarse seg- mentation results through a specific pixel level classifier. Then, we exploit conditional random fields to model pixel level correlation, thus getting image’s