文献类型：期刊文献

中文题名：面向社群图像的显著区域检测方法

作者：梁晔;于剑

第一作者：梁晔

机构：[1]北京联合大学机器人学院;[2]北京交通大学计算机与信息技术学院;

第一机构：北京联合大学机器人学院

年份：2017

期号：2

起止页码：174-181

中文期刊名：智能系统学报

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);

语种：中文

中文关键词：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。