基于深度卷积神经网络的显著目标检测方法

发布时间：2021-09-19 03:11

　　显著目标检测主要目的是检测并分割出一幅图像中最吸引人注意力的目标。显著目标这一部分含有大量的图片中最有价值的信息。所以在许多计算机视觉任务中只需要处理图片中的显著部分,就能够在取得更高的任务性能的同时大大减少处理量。至今为止,显著目标检测已经被用做了许多计算机视觉任务的预处理方式,比如目标识别,图像描述,图像检索等。深度卷积神经网络可以从图像中提取一般性很强的深度特征,这些深度特征对于视觉理解有很大帮助。所以计算机视觉任务开始使用深度卷积神经网络来处理,包括显著目标检测。本文主要提出了两种基于深度卷积神经网络的显著目标检测算法。第一个算法构建了一个多阶段改善的双支路显著目标检测网络。在这个网络中,该算法主要是引入了基于卷积层的递归机制和通道注意力模块来改善检测效果。此外,还利用了迭代训练方法使得不同阶段学习到更加互补的特征。最终,该算法在几个标准数据集上都取得了当前比较好的效果。第二个算法构建了一个多任务学习的双支路深度卷积神经网络。该算法利用目标轮廓检测任务来辅助显著目标检测任务。在本算法中,我们先引入了基于语义对比局部特征的残差模块来改善显著目标检测结果。然后设计了一个特征交互模块... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 章节安排
2 相关研究及本文工作
    2.1 相关研究及理论
        2.1.1 卷积神经网络及显著目标检测理论
        2.1.2 递归网络
        2.1.3 注意力机制
        2.1.4 多任务学习网络
        2.1.5 目标轮廓检测网络
    2.2 本文工作及主要贡献
3 基于多阶段改善的显著目标检测网络
    3.1 基础多阶段改善网络
    3.2 基于卷积层的递归机制
    3.3 通道注意力模块
    3.4 训练策略
    3.5 实验结果与分析
        3.5.1 标准数据集
        3.5.2 评价指标
        3.5.3 性能分析
        3.5.4 和近年来较好方法的性能对比
4 基于多任务学习的显著目标检测网络
    4.1 基础卷积-解卷积网络结构
    4.2 特征交互模块
    4.3 训练和预测
    4.4 实验分析
        4.4.1 评价指标和标准数据集
        4.4.2 性能分析
        4.4.3 与近年来较好方法的对比
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
硕士论文
[1]基于区域的图像分割及视觉显著性检测算法研究[D]. 肖小龙.华东理工大学 2014
[2]基于区域对比度的视觉显著性检测算法研究[D]. 李勇.上海交通大学 2013



本文编号：3400893