基于深度学习的显著目标检测算法研究

《基于深度学习的显著目标检测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP37学校代码10590UDC004密级公开深圳大学硕士学位论文基于深度学习的显著目标检测算法研究宋天齐学位类别工程硕士专业学位专业名称计算机技术学院（系、所）计算机与软件学院指导教师雷海军副教授深圳大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文基于深度学习的显著目标检测算法研究是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中

2、以明确方式标明。本声明的法律后果由本人承担。论文作者签名：日期：年月日基于深度学习的显著目标检测算法研究摘要伴随着互联网技术以及数码产品的快速普及，图像已经成为人们生活中的重要信息载体，在各个方面改变着人们的生活方式。而这也就意味着，如何高效的处理海量的图片信息，成为了一个重要的研究课题。计算机在对于图片进行处理的时候，同时处理图片中的所有细节信息是非常低效的，如果将有限的计算资源分配给图片中的目标区域，则是一个非常直接有效的提高计算效率的方式。因此，显著性检测在近些年成为计算机视觉领域非常重要的

3、一个研究方向。通过对图片中的颜色、纹理、位置等特征进行分析，从而准确的定位并分割出显著目标，就是显著性检测的主要目标。伴随着机器学习，深度学习等算法的不断成熟，显著性检测领域也在迎来一轮新的发展。本文针对深度学习在显著性检测领域的应用展开研究，提出了一种基于深度学习的显著性检测算法。在搭建了深度学习的平台之后，本方法首先将在语义分割等领域比较经典的SPP神经网络进行修改和配置，通过训练，生成一个面向显著性检测的深度学习模型，利用该模型，可以得到测试集中每张图片的显著目标信息，该信息通过多个boun

4、dingbox以及每个boundingbox的显著性得分的形式获得。之后，利用图像的分割结果及boundingbox信息，基于两种不同的策略，生成两张初步的显著图。同时，提取深度学习第五层网络的深度学习特征，结合图像的分割结果，获得每个区域与周围区域的平均特征对比度，生成第三张初步显著图。最后，利用元胞自动机对于每张初始显著图进行优化，并合成一张最终的显著图。为了公正地评价本文所提出的算法，在实验环节采用了MSRA5000和PASCAL-1500数据集进行测试，其中由于MSRA5000中，本方法采

5、用了3000张进行深度学习模型的训练，故仅使用了剩余2000张作为测试集。此外，本文还选取了七种近几年在国际顶级期刊或者会议中提出的经典显著性检测算法，采用了PR曲线、ROC曲线、MAE等多种标准进行了横向对比。结果表明，本文提出的算法在性能方面要优于其他算法。关键词：显著性检测、深度学习、元胞自动机IResearchontheMethodofSaliencyObjectDetectionbasedonDeepLearningAbstractWiththerapidpopularityofInte

6、rnettechnologyanddigitalproducts,imagehasbecomeanimportantinformationcarrierinpeople'slifebychangingpeople'swayoflifeineachaspect.Andthisalsomeansthathowtoefficientprocessingvastamountsofinformation,hasbecomeanimportantresearchtopic.Whenthecomputerpro

7、cessingtheimages,atthesametimetodealwithallthedetailsofimageinformationisveryinefficient.Ifthelimitedcomputingresourcesallocatedtothetargetareaoftheimage,isaveryeffectivewaytoimprovethecomputationalefficiencydirectly.Salientregiondetectioninrecentyear

8、s,therefore,becomeaveryimportantresearchdirectioninthefieldofcomputervision.Throughtheimagesoffeaturessuchascolor,texture,locationanalysis,soastoaccuratelylocateandsegmentthetarget,issignificanttodetectthemaingoal.Withmachinelearning,deeplearn