基于深度神經(jīng)網(wǎng)絡(luò)的圖像顯著性預(yù)測(cè)方法研究與實(shí)現(xiàn).pdf

1、人類在長(zhǎng)期的進(jìn)化中具有了高度發(fā)達(dá)的視覺注意機(jī)制，擁有在復(fù)雜的環(huán)境中快速選擇性的發(fā)現(xiàn)感興趣目標(biāo)的能力。模擬這種視覺注意機(jī)制引起了在心理學(xué)、神經(jīng)系統(tǒng)，尤其是計(jì)算機(jī)視覺領(lǐng)域里的許多研究者們的重視。圖像數(shù)據(jù)信息是視覺信息的主要載體，當(dāng)注意一張圖片的時(shí)候，人類的視覺注意機(jī)制使得他們?cè)趫D片上的注視點(diǎn)會(huì)落在更能刺激視覺的特殊區(qū)域，這些特殊區(qū)域就是圖像中比較顯著的區(qū)域。顯著性預(yù)測(cè)就是通過模仿人類視覺注意機(jī)制來提取圖像的重要信息，并應(yīng)用于新的人工智能領(lǐng)域

2、。
　　本文使用深度學(xué)習(xí)技術(shù)建立了圖像顯著性預(yù)測(cè)的兩種模型。在構(gòu)建深度學(xué)習(xí)模型時(shí)，我們綜合了深度卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)和傳統(tǒng)的顯著性原理。我們?cè)谟?xùn)練深度神經(jīng)網(wǎng)絡(luò)時(shí)，綜合考慮了圖像的High-Level與Low-Level語義信息，提出了多尺度的卷積神經(jīng)網(wǎng)絡(luò);綜合傳統(tǒng)顯著性檢測(cè)中基于全局對(duì)比和局部對(duì)比的方法，提出了循環(huán)的卷積神經(jīng)網(wǎng)絡(luò)，從多種層次上考慮了圖像所蘊(yùn)含的信息。本文使用的兩種網(wǎng)絡(luò)模型，多尺度的卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)卷積神經(jīng)網(wǎng)絡(luò)，對(duì)圖

3、像處理與識(shí)別的其它領(lǐng)域也有著借鑒意義。本文提出的周期性訓(xùn)練方法通過融合原圖像和初步訓(xùn)練的顯著圖，可以達(dá)到自動(dòng)優(yōu)化顯著圖的目的。除此之外，本文通過模糊化顯著圖的辦法，使得兩種模型的實(shí)驗(yàn)結(jié)果更加精確。
　　本文以Caffe深度學(xué)習(xí)框架為平臺(tái)實(shí)現(xiàn)兩種深度神經(jīng)網(wǎng)絡(luò)模型，使用Matlab，Python等軟件預(yù)處理圖像、導(dǎo)入和導(dǎo)出模型結(jié)果。我們對(duì)使用的兩種模型在MIT，SALICON與iSUN三種數(shù)據(jù)庫(kù)上進(jìn)行了實(shí)驗(yàn)，并從定性和定量的角度進(jìn)行了