贝叶斯融合多核学习的图像显著性检测

Xuemin Chen,Hongmei Tang,Liying Han,Zhenbin Gao

LASER & OPTOELECTRONICS PROGRESS（2019）

引用 1|浏览0

暂无评分

摘要

针对当前图像显著性检测算法存在的检测不准确和边缘不清晰问题,提出基于改进的贝叶斯公式融合算法.采用compactness先验得到初级显著图,并以初级显著图作为训练样本,采用多核学习方式得到次级显著图,而后基于贝叶斯公式以一定的比例融合初级和次级显著图,最终获得精确的显著性检测图.实验结果表明,算法在2个公开数据集上进行检测时,所得结果能够有效地突出目标物体,去除边缘模糊的现象,且实验结果在3个数据指标(精确度、召回率和F-measure值)方面均优于其他8种算法,算法运行速度较快,实验结果也更为精确.

查看译文

关键词

image processing, Bayesian formula integration, saliency detection, compactness prior, primary saliency map, multi-kernel learning, secondary saliency map

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要