Copyright ?2013-2017 中國(guó)知網(wǎng)論文查重檢測(cè)系統(tǒng)入口 All Rights Reserved. 網(wǎng)站備案號(hào):黔ICP備19012782號(hào)-3.
由于這些優(yōu)越性,基于CNN的顯著性目標(biāo)檢測(cè)方法在幾乎所有現(xiàn)有數(shù)據(jù)集上刷新歷史記錄,成為顯著性目標(biāo)檢測(cè)中的主流方法。. 基于深度學(xué)習(xí)的顯著性目標(biāo)檢測(cè)方法又可以分為兩類,第一類模型使用多層感知機(jī)(MLPs)來進(jìn)行顯著性目標(biāo)檢測(cè),第二類模型則使用完全卷積神經(jīng)網(wǎng)絡(luò)(FCN)來進(jìn)行顯著性目標(biāo)檢測(cè)。. 在第一類模型中,輸入圖像通常被過度成單個(gè)或多尺度的小區(qū)域,然后將CNN用于提取圖像中的高級(jí)特征,該高級(jí)特征隨后被反饋回MLP以確定每個(gè)小區(qū)域的顯著性值。. 與完全卷積神經(jīng)網(wǎng)絡(luò)方法不同的是,第一類模型雖然使用CNN提取高級(jí)特征,但由于MLP的使用,CNN所提取的特征中的空間信息并不能被保留。.