基于循環(huán)全卷積網(wǎng)絡(luò)的顯著性檢測.pdf

1、顯著性目標檢測，是指對于一幅圖像，以最接近于人眼關(guān)注范圍的方法將圖像的較為突出或者比較重要的目標區(qū)域標注出來以便后續(xù)利用。眾所周知，人類以及其他靈長類動物的視覺系統(tǒng)是相似的，面對一個現(xiàn)實場景或者一幅圖像，在沒有其他任務(wù)或者干擾的情況下，受關(guān)注的目標區(qū)域都會具有一定的特性，比如，背景全部是青草的情況下，中間點綴的一朵紅花我們認為是顯著，又或者，在空曠的沙漠中站立的一個人，這個也被認為是顯著的。這些目標都具有這樣一些特征：與背景對比度較大，

2、占據(jù)整個場景或者圖像較小的一個范圍，在幾何上是一個封閉的圖形等。對于如上背景較為簡單的情況下，已經(jīng)有許多簡單但是很有效的方法進行顯著性檢測，取得了很好的效果。但是，如果背景較為復(fù)雜，背景中干擾較多的情況，雖然目前也有很多的算法，但是效果都不能稱得上理想，都會受到背景的一些干擾。而對于復(fù)雜背景來說，我們?nèi)祟惖囊曈X系統(tǒng)能夠迅速并且準確地過濾掉背景當(dāng)中的一些干擾并將注意力集中于真正明顯的前景目標當(dāng)中?；谶@一點，顯著性檢測任務(wù)需要更加魯棒的模

3、型以適應(yīng)復(fù)雜的現(xiàn)實環(huán)境。
　　本文提出了一種基于循環(huán)全卷積的深度神經(jīng)網(wǎng)絡(luò)進行顯著性檢測。首先，利用傳統(tǒng)的對比度特征，包括顏色、亮度等，計算出輸入圖像的初始顯著圖。然后，把原始圖像和初始顯著圖同時送入神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。網(wǎng)絡(luò)利用全卷積神經(jīng)網(wǎng)絡(luò)，每次網(wǎng)絡(luò)輸入一整幅圖像，經(jīng)過卷積和下采樣運算對其進行編碼，然后再把編碼后的結(jié)果經(jīng)過反卷積進行解碼，最終得到和原圖一樣大小的顯著圖。同時該網(wǎng)絡(luò)采用循環(huán)結(jié)構(gòu)，把每次網(wǎng)絡(luò)的預(yù)測輸出結(jié)果再送入網(wǎng)絡(luò)的輸入

4、，代替上個時間步的輸入顯著圖，重新對網(wǎng)絡(luò)進行修正。為了解決顯著目標的尺寸問題，利用多尺度結(jié)構(gòu)，將神經(jīng)網(wǎng)絡(luò)中間層的輸出同樣經(jīng)過反卷積運算，并將其結(jié)果進行融合，從而對不同的顯著性目標都能取得較好的效果。訓(xùn)練這種結(jié)構(gòu)的網(wǎng)絡(luò)如果僅僅用傳統(tǒng)的訓(xùn)練方法，很容易進入局部極小值點，使網(wǎng)絡(luò)無法得到徹底優(yōu)化。本文提出了一種兩階段的訓(xùn)練過程，即預(yù)訓(xùn)練階段和微調(diào)階段，充分利用分割數(shù)據(jù)庫豐富的監(jiān)督信息，很好的避免了上述問題。
　　本文算法在四個公開的顯著性