隨著科技的發(fā)展,網(wǎng)絡(luò)化、智能化開始滲透到各個行業(yè)并逐漸影響著我們的日常生活。很多行業(yè)已經(jīng)通過技術(shù)的進步解放了人們的雙手,機器代替了傳統(tǒng)繁雜而重復(fù)的工作,很多要花費大量人力,甚至使用人力無法進行的工作在機器的幫助下可以很好的完成。其中,計算機視覺技術(shù)作為計算機重要的感知手段,在很多行業(yè)發(fā)揮著獨特且重要的作用。計算機視覺模擬了人類視覺感知的方式,通過對圖像、視頻等多媒體數(shù)據(jù)的處理,進而獲取到人們需要的場景信息,形象的說,計算機視覺就像是機器的視覺系統(tǒng),使得機器能夠感知環(huán)境,為人類觀察或傳送給下一階段設(shè)備進行決策提取幫助。計算機視覺模擬人類視覺系統(tǒng),使機器可以像人類一樣觀察和理解圖片,一個關(guān)鍵任務(wù)就是顯著性檢測。人類能夠很快的在豐富的視覺場景中找到少量的重要信息,對應(yīng)到計算機視覺上,就是顯著性檢測這個任務(wù)。目前大多數(shù)顯著性檢測的研究成果是基于全卷積深度神經(jīng)網(wǎng)絡(luò)的。全卷積神經(jīng)網(wǎng)絡(luò)通過疊加大量的卷積層和池化層獲取豐富的語義特征,但是其中存在著一個隱患——空間結(jié)構(gòu)缺失。池化層能夠擴大特征提取的感受野、獲取語義上下文信息,但它也造成了圖片空間結(jié)構(gòu)信息的損失。在一些逐像素的檢測任務(wù)中,要求輸出圖與原圖... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

抖音短視頻數(shù)據(jù)中挖

著性檢測任務(wù)提出了大量的網(wǎng)絡(luò)結(jié)構(gòu)。一些實驗[16,17,18]表明，如圖 1-4 所示，深度卷積網(wǎng)絡(luò)的深層能夠獲取到高級特征編碼語義信息以獲得對象的抽象描述，而淺層的低級特征保留空間細節(jié)以重建對象邊界。因此，一些研究將多層次特征引入顯著性檢測。文獻[16]提出了一種利用深層監(jiān)督的方法，在不同層次的卷積模塊引入顯著性檢測監(jiān)督信號，得到多尺度的顯著性檢測結(jié)果，然后將這些顯著性圖進行融合得到最終的顯著性圖。文獻[17]提出了一種基于循環(huán)遞進的顯著性檢測方法，逐漸逼近真值圖的結(jié)果。文獻[18]通過對不同尺度特征之間建立短連接，結(jié)合深層監(jiān)督，融合多尺度特征，細化顯著性檢測結(jié)果。文獻[19]通過在不同尺度直接連接高層次和低層次的特征圖來聚合多層次特征，然后結(jié)合多尺度信息以達到好的結(jié)果。文獻[20]提出一個雙向消息傳遞模塊，在該模塊中，消息可以通過門函數(shù)進行控制傳輸。國內(nèi)清華大學(xué)[21]，中國科學(xué)技術(shù)大學(xué)[22,23]，哈爾濱工業(yè)大學(xué)[24],大連理工大學(xué)[25]，北京交通大學(xué)[26]，吉林大學(xué)[27]，武漢大學(xué)[28]等多個國內(nèi)外知名高校對顯著性檢測研究有著重要貢獻。一些知名企業(yè)的 AI 研究院也積極研究這個方向，微軟，阿里 AI 研究院，騰訊優(yōu)圖實驗室，商湯等都在顯著性檢測方面有重要貢

.3 目前顯著性檢測方法缺陷分析目前大多數(shù)顯著性檢測的研究成果是基于全卷積深度神經(jīng)網(wǎng)絡(luò)(FCN)的用卷積神經(jīng)網(wǎng)絡(luò)進行顯著性檢測存在著一個隱患——池化層(pooling laye化層能夠擴大特征提取的感受野、獲取語義上下文信息，但它也造成了圖間結(jié)構(gòu)信息的損失�；趫D像的顯著性檢測要求輸出的顯著性圖與原圖大致，因此需要保留空間結(jié)構(gòu)信息。目前大體上有兩種不同結(jié)構(gòu)來解決該問題第一個是編碼器-解碼器結(jié)構(gòu)(encoder-decoder structure)。編碼器(Encode堆疊卷積層和池化層進而減少特征的尺寸，解碼器(Decoder)通過跳層鏈接修復(fù)高層特征中丟失的細節(jié)特征。U-Net[40]圖 1-5 是這種方法中最常用的。Encoder 和 Decoder 之間通常存在短連接，因此能幫助 Decoder 更好地修標的細節(jié)。第二種方法使用空洞卷積（atrous/dilated convolutions）[41]來替代池化層圖 1-6 所示，一般的卷積如圖 1-6 第一張圖所示，卷積時計算中間是密集的空洞卷積在卷積時卷積核與圖像計算中間有空隙。顯然，這樣做在卷積操

【參考文獻】：
期刊論文
[1]基于魯棒主成分分析和多個色彩通道的顯著性檢測[J]. 馬小龍,謝旭東,林健文,鐘宜生.  清華大學(xué)學(xué)報(自然科學(xué)版). 2014(08)

博士論文
[1]基于視覺顯著性的顯著區(qū)域提取方法及其應(yīng)用研究[D]. 梁曄.北京交通大學(xué) 2018
[2]視覺顯著性檢測模型研究及應(yīng)用[D]. 林名強.中國科學(xué)技術(shù)大學(xué) 2016
[3]基于視覺顯著性的目標檢測方法與應(yīng)用研究[D]. 劉君玲.吉林大學(xué) 2014
[4]視覺顯著性檢測關(guān)鍵技術(shù)研究[D]. 景慧昀.哈爾濱工業(yè)大學(xué) 2014
[5]視覺顯著性應(yīng)用研究[D]. 敖歡歡.中國科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]視覺顯著性物體檢測算法研究[D]. 葉子童.武漢大學(xué) 2018
[2]基于稠密和稀疏重構(gòu)的圖像顯著性檢測算法[D]. 李曉暉.大連理工大學(xué) 2014



本文編號：3426288