基于深度学习的快速图像显著性检测算法
计算机视觉与模式识别
2016-02-02 v1
摘要
本文中，我们提出一种基于卷积神经网络的快速深度学习方法，用于目标显著性检测。在我们的方法中，我们使用梯度下降法，基于像素级梯度迭代修改输入图像，以减小一个预定义的代价函数，该函数被定义为衡量类特定的目标性并钳制与类无关的输出以保持图像背景。像素级梯度可利用反向传播算法高效计算。我们进一步应用SLIC超像素和基于LAB颜色的低级显著性特征来平滑和细化梯度。我们的方法计算效率很高，远快于其他基于深度学习的显著性方法。在两个基准任务（即Pascal VOC 2012和MSRA10k）上的实验结果表明，我们提出的方法能够生成高质量的显著性图，至少可与许多缓慢且复杂的深度学习方法相媲美。与纯低级方法相比，我们的方法擅长处理许多困难图像，这些图像包含复杂背景、高度可变显著目标、多个目标和/或非常小的显著目标。
引用
@article{arxiv.1602.00577,
title = {A Deep Learning Based Fast Image Saliency Detection Algorithm},
author = {Hengyue Pan and Hui Jiang},
journal= {arXiv preprint arXiv:1602.00577},
year = {2016}
}
备注
arXiv admin note: substantial text overlap with arXiv:1505.01173