基于引導(dǎo)Boosting算法檢測顯著性
大小：1.22 MB 人氣： 2017-11-28 需要積分：1
標(biāo)簽：
針對現(xiàn)有的基于引導(dǎo)學(xué)習(xí)的顯著性檢測模型存在的訓(xùn)練樣本不純凈和特征提取方式過于簡單的問題，提出一種改進的基于引導(dǎo)（ Boosting）的算法來檢測顯著性，從提升訓(xùn)練樣本集的準(zhǔn)確度和改進特征提取的方式來達到學(xué)習(xí)效果的提升。首先，根據(jù)顯著性檢測的自底向上模型產(chǎn)生粗選樣本圖，并通過元胞自動機對粗選樣本圖進行快速有效優(yōu)化來建立可靠的引導(dǎo)樣本，完成對原圖的標(biāo)注建立訓(xùn)練樣本集；然后，在訓(xùn)練集上對樣本進行顏色紋理特征提取；最后，使用不同特征不同核的支持向量機（SVM）弱分類器生成基于Boosting學(xué)習(xí)一個強分類器，對每幅圖像的超像素點進行前景背景分類，得到顯著圖。在ASD數(shù)據(jù)庫和SEDI數(shù)據(jù)庫上的實驗結(jié)果顯示該模型能對復(fù)雜和簡單的圖像生成完備清晰的顯著圖，并在準(zhǔn)確率召回率曲線和曲線下面積（AUC）測評值上有較大提升。由于其準(zhǔn)確性，能應(yīng)用在計算機視覺預(yù)處理階段。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%