加入收藏 | 后台管理 | 学校主页

罗笑南团队基于渐进表达学习的显著性物体检测框架取得突破

作者: 时间:2019-08-18 点击数:

计算图像中目标的显著性是计算机视觉、图像分析等方面的一个重要问题。本项目针对传统模型的需要手工设置特征,并依赖于先验知识等缺点,提出了一种基于渐进表达学习的显著性物体检测方法,该方法可以高效地检测图像中显著物体,并同时比较好的保持显著物体区域的一致性以及边沿细节的完整性。该方法利用两个卷积神经网络分别抽取图像的全局显著性特征以及局部的显著性特征,并利用一个渐进性学习框架对二者进行融合,以获得高质量的显著性特征图。该研究成果已被人工智能权威期刊IEEE Transactions on Neural Networks and Learning Systems 杂志录用发表。

Tianshui Chen, Liang Lin, Lingbo Liu, Xiaonan Luo, Xuelong Li: DISC: Deep Image Saliency Computing via Progressive Representation Learning. IEEE Trans. Neural Netw. Learning Syst. 27(6): 1135-1149(2016)

2014-2019 © 广西图像图形与智能处理重点实验室
通讯地址:广西壮族自治区桂林市七星区金鸡路1号
邮编:541004