节点文献

一种新的鲁棒无监督显著性目标检测方法

免费订阅

【作者】 刘明明李震霄郑丽丽薛雪

【Author】 LIU Mingming;LI Zhenxiao;ZHENG Lili;XUE Xue;School of Mechatronic Engineering, Jiangsu Normal University;School of Intelligent Manufacturing, Jiangsu Vocational Institute of Architectural Technology;School of Information and Control Engineering, China University of Mining and Technology;

【机构】 江苏师范大学机电工程学院江苏建筑职业技术学院智能制造学院中国矿业大学信控学院

【摘要】 针对传统无监督图像显著性目标检测鲁棒性不强、学习算法复杂度高的问题,提出了一种新的鲁棒无监督显著性目标检测方法——三元结构化矩阵分解目标检测。该方法利用低秩矩阵三元分解降低奇异值分解(singular value decomposition)的算法复杂度,结合高层先验知识,提升复杂背景下的显著性目标检测性能。通过分层稀疏正则化和构造索引树,解决显著图的细节缺失问题。在3种标准多目标数据集上对主流无监督显著性目标检测方法进行了实验对比,结果表明,所提方法学习时间最多可以降低40%,并且F-measure指标在超过50%的阈值范围内鲁棒性优于当前最好的无监督检测算法。

【基金】 国家自然科学基金资助项目(61801198);江苏省科技项目(BK20180174)
【所属期刊栏目】 正文 (2019年12期)
  • 【分类号】TP391.41
  • 【下载频次】49
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: