基于标签语义的图像显著性区域检测算法研究

发布时间：2021-03-28 00:13

　　互联网科技的进步引发了信息量的急剧增长,互联网图像信息作为其中的重要组成部分,蕴含着丰富的视觉和语义信息。计算机视觉领域的发展能够提升计算机处理图像信息的性能,可以对图像进行更加高效的识别和检测。而显著性检测作为计算机视觉领域的重要分支,其发展对于目标检测、语义分割、无人驾驶等领域都有着重要的研究意义。在图像显著性检测领域,多数方法采用视觉信息作为图像特征,忽略了图像中的语义信息,而语义信息可以让计算机更好地理解图像信息并增强检测效果。针对此不足,本文将图像的标签语义信息作为除视觉特征之外的语义特征,将视觉特征与语义特征相结合,达到丰富图像特征表达、增强图像中显著区域检测效果的作用。同时针对现有的公共数据集中背景简单、类型匮乏的问题,构建了基于标签语义的图像数据集。本文的主要贡献如下:第一,构建了基于标签语义的显著性检测数据集。面向轨道交通领域的应用场景,在公共轨道交通的视频及互联网中收集了 2282张图像,对图像进行了二值图标注和语义标签标注。针对收集到的图像样本不均衡的问题,采用生成对抗网络模型对图像数量进行扩充,为基于标签语义的显著性检测算法设计带来了研究价值。第二,设计了基于卷... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图１－１显著性图像示例［１］??Ｆｉｕｒｅ?１－１?Ｔｈｅ?ｅｘａｍｌｅｓ?ｏｆ?ｓａｌｉｅｎｔ?ｉｍａｅｓ?⑴??

显著性检测领域经典方法的发展历程【231

图１－６显著性检测方法在较为复杂图像中的检测结果??Ｆｉｕｒｅ?１－６?Ｔｈｅ?ｒｅｓｕｌｔｓ?ｏｆ?ｓａｌｉｅｎｃｄｅｔｅｃｔｉｏｎ?ｍｅｔｈｏｄ?ｏｎ?ｃｏｍｌｅｘ?ｉｍａｅｓ??

【参考文献】：
期刊论文
[1]多尺度的图像显著性检测方法[J]. 贾宁,柳先辉,陈宇飞,赵卫东,邢尚文.  同济大学学报(自然科学版). 2019(02)
[2]视觉显著性预测综述[J]. 孙夏,石志儒.  电子设计工程. 2017(09)

硕士论文
[1]基于卷积神经网络的交通标识识别研究及应用[D]. 张雪媛.重庆交通大学 2017
[2]基于卷积特征的人脸特征点定位研究[D]. 李慧芳.北京交通大学 2017



本文编号：3104501