基于引導(dǎo)Boosting算法檢測(cè)顯著性
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)現(xiàn)有的基于引導(dǎo)學(xué)習(xí)的顯著性檢測(cè)模型存在的訓(xùn)練樣本不純凈和特征提取方式過(guò)于簡(jiǎn)單的問(wèn)題，提出一種改進(jìn)的基于引導(dǎo)（ Boosting）的算法來(lái)檢測(cè)顯著性，從提升訓(xùn)練樣本集的準(zhǔn)確度和改進(jìn)特征提取的方式來(lái)達(dá)到學(xué)習(xí)效果的提升。首先，根據(jù)顯著性檢測(cè)的自底向上模型產(chǎn)生粗選樣本圖，并通過(guò)元胞自動(dòng)機(jī)對(duì)粗選樣本圖進(jìn)行快速有效優(yōu)化來(lái)建立可靠的引導(dǎo)樣本，完成對(duì)原圖的標(biāo)注建立訓(xùn)練樣本集；然后，在訓(xùn)練集上對(duì)樣本進(jìn)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(jī)（SVM）弱分類器生成基于Boosting學(xué)習(xí)一個(gè)強(qiáng)分類器，對(duì)每幅圖像的超像素點(diǎn)進(jìn)行前景背景分類，得到顯著圖。在ASD數(shù)據(jù)庫(kù)和SEDI數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果顯示該模型能對(duì)復(fù)雜和簡(jiǎn)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(cè)評(píng)值上有較大提升。由于其準(zhǔn)確性，能應(yīng)用在計(jì)算機(jī)視覺(jué)預(yù)處理階段。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%