欢迎来到天天文库
浏览记录
ID:35099225
大小:20.53 MB
页数:69页
时间:2019-03-17
《基于DenseNet的显著性物体检测算法研究.pdf》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、嗨!thesis硕士学位论文基于DenseNet的显著性物体检测算法研究RESEARCHONTHEALGORITHMOFSALIENTOBJECTDETECTIONBASEDONTHEDENSENET徐志勇哈尔滨工业大学2018年6月国内图书分类号:TP391.4学校代码:10213国际图书分类号:681.39密级:公开工学硕士学位论文基于DenseNet的显著性物体检测算法研究硕士研究生:徐志勇导师:范晓鹏教授申请学位:工学硕士学科:计算机科学与技术所在单位:计算机科学与技术学院答辩日期:2018年6月授
2、予学位单位:哈尔滨工业大学ClassifiedIndex:TP391.4U.D.C:681.39DissertationfortheMaster’sDegreeinEngineeringRESEARCHONTHEALGORITHMOFSALIENTOBJECTDETECTIONBASEDONTHEDENSENETCandidate:XuZhiyongSupervisor:ProfessorFanXiaopengAcademicDegreeAppliedfor:MasterofEngineeringSpecia
3、lty:ComputerScienceandTechnologyAffiliation:SchoolofComputerScienceandTechnologyDateofDefence:June,2018Degree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要随着信息技术不断发展,海量图像和视频的时代已经到来,其信息量之大给计算机视觉处理带来了新的挑战。对于纷繁复杂的环境,人类可以迅速在其中搜索到感兴趣的区域,基于人类
4、视觉注意机制的显著性物体检测研究一直是计算机视觉处理领域的热点。显著性物体检测的算法核心是合理构建视觉注意模型,以更好地模拟视觉注意机制。当前对显著性物体检测的建模或通过自顶向下方法利用先验信息,或通过自底向上方法利用特征信息,亦或二者的融合。自底向上方法的核心是有效提取对显著性检测有用的特征,并对其合理地运用。本文模型利用DenseNet实现端到端的显著性物体检测,该网络能够充分利用各卷积层提取的特征信息,使用时不需额外参数,易于训练,方便快捷。该模型对于具有复杂背景的图像,仍有良好的检测效果。本文选取了
5、若干传统方法和基于深度学习的显著性物体检测方法,在多个广泛使用的测试数据集进行了大量测试和评估,实验验证了本文提出的显著性物体检测算法的有效性。通过显著性检测算法获得图像的显著性图后,为了从背景中分割出显著性物体,本文还提出了一种基于GraphCuts和视觉显著性的图像分割算法。该算法结合显著性图,并利用图像原有信息,使用SLIC等方法重新构造用于分割的能量函数。实验表明本文所提分割算法可以较好地提取出显著性物体。关键词:显著性物体检测;DenseNet;深度学习;显著性图;无监督分割-I-哈尔滨工业大学工
6、学硕士学位论文AbstractWiththerapiddevelopmentofinformationtechnology,theeraofmassiveimagesandvideohascome.Themassiveamountofinformationhaspresentednewchallengestocomputervisionprocessingtechnology.Forcomplexenvironments,humanscanquicklysearchforareasofinterest,th
7、estudyofsalientobjectdetectionbasedonthehumanvisualattentionmechanismhasbeenahottopicinthefieldofcomputervisionprocessing.Thecoreofthealgorithmforsalientobjectdetectionistoconstructavisualattentionmodeltosimulatethevisualattentionmechanismbetter.Currentsali
8、entobjectdetectionmodelseitherleveragepriorinformation,orusefeaturesfromthebottomup,oracombinationofboth.Thekeytothebottom-upapproachistoeffectivelyextractfeaturesthatareusefulforsalientobjectdetectionanduseth
此文档下载收益归作者所有