顯著的物體檢測使計算機視覺更智能
發(fā)布日期：2020-12-18 13:58:28 來源： 編輯：
顯著物體檢測旨在模擬人類的視覺特征，并從圖像或視頻中提取最重要的區(qū)域。這些顯著性區(qū)域中的內(nèi)容稱為顯著對象。近年來，基于卷積神經(jīng)網(wǎng)絡(CNN)的深度學習方法因其強大的特征提取功能而成功突破了傳統(tǒng)方法的局限性。它們已廣泛用于計算機視覺領域，甚至已成功用于顯著物體檢測。
由中國科學院西安光學精密機械研究所(XIOPM)的董永勝教授領導的研究小組提出了一種新型的邊緣信息引導的分層特征融合網(wǎng)絡，以實現(xiàn)精確的顯著目標檢測。
在這項研究中，該方法采用深度學習方法來建立顯著性檢測策略。
低級邊緣信息用于指導顯著性圖生成。然后，使用一對一的分層監(jiān)督策略來生成高級語義信息和低級邊緣信息。最后，融合層次特征信息以完成精確的顯著物體檢測。結果發(fā)表在IEEE Transactions on Image Processing。
由于顯著性檢測是可以提高計算效率的相對基本的任務，因此它在計算機視覺的許多領域中發(fā)揮了重要作用，例如前景提取，視覺跟蹤，場景分類，語義分割，視頻摘要和圖像檢索。多年來，由于人工智能的爆炸式增長，研究人員更加關注這一研究領域。
標簽： 物體檢測
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！