中国科技论文

2019, v.14(12) 1356-1361

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种新的鲁棒无监督显著性目标检测方法
A novel unsupervised robust salient object detection method

刘明明;李震霄;郑丽丽;薛雪;

摘要(Abstract):

针对传统无监督图像显著性目标检测鲁棒性不强、学习算法复杂度高的问题,提出了一种新的鲁棒无监督显著性目标检测方法——三元结构化矩阵分解目标检测。该方法利用低秩矩阵三元分解降低奇异值分解(singular value decomposition)的算法复杂度,结合高层先验知识,提升复杂背景下的显著性目标检测性能。通过分层稀疏正则化和构造索引树,解决显著图的细节缺失问题。在3种标准多目标数据集上对主流无监督显著性目标检测方法进行了实验对比,结果表明,所提方法学习时间最多可以降低40%,并且F-measure指标在超过50%的阈值范围内鲁棒性优于当前最好的无监督检测算法。

关键词(KeyWords): 图像目标检测;图像显著图生成;无监督鲁棒目标检测;矩阵低秩分解;索引树

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(61801198);; 江苏省科技项目(BK20180174)

作者(Author): 刘明明;李震霄;郑丽丽;薛雪;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享