面向社群图像的显著区域检测方法

作     者：梁晔 于剑 LIANG Ye;YU Jian

作者机构：北京联合大学机器人学院北京100101 北京交通大学计算机与信息技术学院北京100044 

出 版 物：《智能系统学报》 (CAAI Transactions on Intelligent Systems)

年 卷 期：2018年第13卷第2期

页      面：174-181页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：北京市自然科学基金项目(4182022) 北京联合大学2017年度人才强校百杰计划项目(BPHR2017CZ10) "十三五"时期北京市属高校高水平教师队伍建设支持计划项目(IDHT20170511) 国家科技支撑计划项目(2015BAH55F03) 

主　　题：显著性 显著区域 社群图像 深度学习 标签 

摘      要：网络技术和社交网站的发展带来了社群图像的飞速增长。海量的社群图像成为了非常重要的图像类型。本文关注社群图像的显著区域检测问题,提出基于深度特征的显著区域检测方法。针对社群图像带有标签的特点,在系统框架中,本文采取两条提取线:基于CNN特征的显著性计算和基于标签的语义计算,二者的结果进行融合。最后,通过全连接的条件随机场模型对融合的显著图进行空间一致性优化。此外,为了验证面向社群图像的显著区域检测方法的性能,针对目前没有面向社群图像的带有标签信息的显著性数据集,基于NUS-WIDE数据集,本文构建了一个图像结构丰富的社群图像数据集。大量的实验证明了所提方法的有效性。