结合区域级与像素级CNN预测的显著性检测
计算机视觉与模式识别
2016-08-19 v1
摘要
本文提出了一种新颖的显著性检测方法，该方法结合了基于CNN的区域级显著性估计和像素级显著性预测（记为CRPSD）。对于像素级显著性预测，通过修改VGGNet架构构建了一个全卷积神经网络（称为像素级CNN）以执行多尺度特征学习，基于此进行图像到图像的预测，完成像素级显著性检测。对于区域级显著性估计，首先设计了一种基于自适应超像素的区域生成技术将图像分割成区域，然后使用一个CNN模型（称为区域级CNN）估计区域级显著性。像素级和区域级显著性通过另一个CNN（称为融合CNN）融合，形成最终的显著图。像素级CNN和融合CNN是联合学习的。在四个公开基准数据集上进行的大量定量和定性实验表明，所提出的方法显著优于当前最先进的显著性检测方法。
引用
@article{arxiv.1608.05186,
title = {Saliency Detection via Combining Region-Level and Pixel-Level Predictions with CNNs},
author = {Youbao Tang and Xiangqian Wu},
journal= {arXiv preprint arXiv:1608.05186},
year = {2016}
}
备注
18 pages, 9 figures, accepted by ECCV 2016