|
|
对于全文PDF，如果您是IEICE的成员，请登录，
或者，如果您不是IEICE的会员，请转到菜单列表上的按次付费。 |
用于显著性质量评估的多信息融合网络
开丹
吴庆波
范曼·孟
林峰XU
出版物
信息和系统的IEICE交易 第卷。E102-D型 不。5
第页。1111-1114
出版日期：2019/05/01
已公开：2019/02/26
在线ISSN：1745-1361
内政部：10.1587/传输2019EDL8002
手稿类型：信件
类别：图像识别、计算机视觉
关键词：
显著性质量评估, 多信息, 深度卷积神经网络, 图像内容,
全文：PDF格式（354.9KB）>>
总结：
显著性质量评估旨在评估显著性地图的客观质量，而无需了解地面情况。现有的工作通常通过利用显著性图中的信息来评估显著性质量，以评估其紧凑性和紧密性，而忽略了图像内容中的信息，这些信息可用于评估前景的一致性和完整性。在这封信中，我们提出了一种新的多信息融合网络，从显著图和图像内容中捕获信息。其关键思想是引入一个暹罗模块来收集前景和背景的信息，旨在评估前景的一致性和完整性以及前景和背景之间的差异。实验表明，通过引入图像内容信息，该方法的性能得到了显著提高。此外，我们在两个应用中验证了我们的方法：显著性检测和分割。我们的方法用于从一组候选显著图中选择最佳显著图，并将选择的显著图反馈到分割算法中以生成分割图。实验结果验证了该方法的有效性。
|
|
|
|
