面向图像的有效目标区域提取方法

您当前的位置：

首页 >

文章列表页 >

面向图像的有效目标区域提取方法

更新时间：2025-07-09

- 面向图像的有效目标区域提取方法
- Issue 5, Pages: 52-57(2019)
- 作者机构：
  
  西安交通大学智能网络与网络安全教育部重点实验室
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP181;TP391.41
- Published：2019
- 稿件说明：
移动端阅览
[J]. 2019, (5): 52-57.
DOI：

[J]. 2019, (5): 52-57. DOI：

摘要

针对图像标注、目标识别等实际应用中图像的前景目标定位不够准确的问题

提出了一种图像中的有效目标区域提取方法。该方法以提取图像的前景目标为目的

将目标区域提取问题转化为二分类问题

实现了对图像中有效目标区域的提取

主要包括4个步骤:利用选择性搜索算法生成图像中的候选目标区域;通过对像素值的差值化处理来进行图像区域的特征增强;基于深度学习实现对候选目标区域进行分类;区域选择与融合。在MSCOCO数据集上进行实验

结果表明

该方法在保证较高召回率的基础上

达到了比现有多种算法更加准确的目标区域定位结果。

Abstract

关键词

Keywords

references

{"db_type":"WWJDREF","db_name":"国际期刊","reference_articles":[{"unit":"Communications of the ACM","flag":"[J]","year":2017,"author":"Alex Krizhevsky;Ilya Sutskever;Geoffrey E. Hinton","index":1,"title":"ImageNet classification with deep convolutional neural networks"},{"unit":"International Journal of Computer Vision","flag":"[J]","year":2013,"author":"J. R. R. Uijlings;K. E. A. Sande;T. Gevers;A. W. M. Smeulders","index":2,"title":"Selective Search for Object Recognition."},{"patent_date":"2011-06-15","unit":"Artificial Intelligence","flag":"[J]","issue":"1","year":2011,"author":"Zhi-Hua Zhou;Min-Ling Zhang;Sheng-Jun Huang;Yu-Feng Li","index":3,"title":"Multi-instance multi-label learning"}],"articles_count":3}

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

面向机器视觉任务的多尺度图像特征压缩算法

面向图片识别的深度学习模型并行优化方法

融合时空切片和双注意力机制的视频摘要方法

深度学习技术及其故障诊断应用分析与展望

基于深度学习的高铁受电装置安全状态快速检测方法

Related Author

李凡

王子溪

贺丽君

张云飞

杨文杰

杨阳

刘帅

赵宇阳

Related Institution

西安交通大学电子与信息学部

兰州交通大学电子与信息工程学院

石家庄铁道大学信息科学与技术学院

西安交通大学机械制造系统工程国家重点实验室

中车青岛四方车辆研究所有限公司电气事业本部

⁰