基于Faster R-CNN的显著性目标检测方法

赵永彬1; 李巍1; 刚毅凝1; 王鸥1; 郝跃冬2; 刘铭坚3

基于Faster R-CNN的显著性目标检测方法

引用本文：赵永彬1，李巍1，刚毅凝1，王鸥1，郝跃冬2，刘铭坚3.基于Faster R-CNN的显著性目标检测方法[J].计算技术与自动化,2019,(2):96-101

摘要点击次数: 1338

全文下载次数: 0

作者	单位
赵永彬1，李巍1，刚毅凝1，王鸥1，郝跃冬2，刘铭坚3	（1. 国网辽宁省电力有限公司，辽宁沈阳 110004； 2. 南瑞集团有限公司（国网电力科学研究院有限公司），江苏南京 211000； 3.南京航空航天大学计算机科学与技术学院，江苏南京 211106）

中文摘要:显著性目标检测成为计算机视觉领域中的研究热点问题之一，但目前的方法在面对前景和背景对比度不强及复杂背景的图像时，较难取得好的检测效果。融合多尺度超像素分割方法，提出一种在背景信息相对复杂的场景中基于Faster R-CNN的显著性目标检测方法。首先对图像进行多尺度超像素分割，同时利用Faster R-CNN对图像进行目标检测，根据似物性特点对超像素进行显著性筛选，得到初始目标位置特征后进行显著性检测及优化，最后使用元胞自动机方法对多尺度超像素显著性图进行融合。通过在特定类数据集进行实验，与已有典型显著性检测进行对比分析，验证了本文方法在背景复杂的图像中可提升显著性目标检测的精度。

中文关键词:视觉显著性目标检测元胞自动机超像素分割

Salient Object Detection Based on Faster R-CNN

Abstract:Saliency detection becomes an important topic in computer vision. However，most of existing approaches often fail when the contrast between foreground and background is similar or in complex background. We propose a salient object detection based on Faster R-CNN. It extracts the salient object in the background with relatively complex information by combining multi-scale superpixel segmentation. Firstly，we segment the input image using multi-scale superpixel segmentation and detect the object by Faster R-CNN. Secondly，according to the objectness of the object，the salient superpixels are selected and obtain the original position of the object，and the salient map is highlighted and optimized. Lastly，we use Multi-layer Cellular Automata（MCA） to fuse the multi-scale superpixel salient maps and gain the final salient maps. We evaluate the proposed approach on specific dataset and compare with the state-of-art method，which prove our approach can improve the salient object detection accuracy with the complex background and clutter scene.

keywords:visual saliency object detection cellular Automata superpixel segmentation

查看全文 查看/发表评论 下载pdf阅读器