论文研究-基于全卷积神经网络和多核学习的显著性检测.pdf
针对显著性检测中特征选择的主观片面性和预测过程中特征权重的难以协调性问题，提出了一种基于全卷积神经网络和多核学习的监督学习算法。首先通过MSRA10K图像数据库训练出的全卷积神经网络（FCNN），预测待处理图像的初步显著性区域；然后在多尺度上选择置信度高的前景、背景超像素块作为多核支持向量机（SVM）分类器的学习样本集，选择并提取八种典型特征代表对应样本训练SVM；接着通过多核SVM分类器预测各超像素显著值；最后融合初步显著图和多核学习显著图，改善FCNN网络输出图的不足，得到最终的显著性目标。该方法在SOD和DUT-OMRON数据库上有更高的AUC值和F-measure值，综合性能均优于对比方法，验证了该方法在显著性检测中准确性的提高，为目标识别、机器视觉等应用提供更可靠的预处理结果。
文件下载
评论信息
其他资源
- 瑞萨单片机快速入门教程
- Java数据库课程设计
- 华成英-模拟电路基础全部课件
- Verilog实现高低电平噪声滤波
- axureiPhone机型元件库
- Icepak案例教程.pdf
- 结构设计总说明.dwg
- oracle11g的BIN目录exp.exe下载
- 2048（网页版）
- Sybase Adaptive Server Anywhere 6.0.rar
- XComboBox.rar
- 批量更改文件名和文件内容
- WPF使用Socket实现客户端服务器通信
- ICP经典算法原理论文集合
- VB窗体淡入淡出的效果
- tesseract中文语言包.rar
- Visual Studio 2012教材
- 竞赛java编程题50题(有答案)
- 播放Mid音频文件
- VB多功能简易画板（类似windows的paint)
- 卡耐基梅隆大学SSD7练习7答案——SSD7excise7答案文档+代码
- 倒计时交通灯
- MinGW, Windows 下gnu C/C++编译器
- 串口通信解决数据乱码和数据丢失
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明