文献类型：期刊文章

作　　者：李元贞[1] 赵俊松[2]

LI Yuanzhen;ZHAO Junsong(School of Artificial Intelligence,Hebei University of Technology,Tianjin 300401,China;Information Network Center,Civil Aviation University of China,Tianjin 300300,China)

机构地区：[1]河北工业大学人工智能与数据科学学院,天津300401 [2]中国民航大学信息网络中心,天津300300

出　　处：《软件工程》

年　　份：2023

卷　　号：26

期　　号：1

起止页码：1-4

语　　种：中文

收录情况：JST、普通刊

摘　　要：随着近年来深度学习技术的发展,图像显著性目标检测的研究重点偏向于利用深度学习方法解决问题。为了全面且深入地探究图像显著性目标检测领域,基于深度学习框架,回顾近五年出现的20余种深度学习方法,归纳出四类深度学习策略,并且对比了它们在4个显著性数据集上的评价结果。结果显示,各类策略在不同数据集上的F度量值为0.800—0.950,综合利用多种策略的方法可以取得更优的预测指标,但仍然存在复杂场景干扰下检测有误的问题。针对现有问题,提出加强深度学习方法在复杂数据集上的训练,进而优化显著目标预测结果的定位准确性及边缘完整性。

关 键 词：图像显著性目标检测  深度学习框架  深度学习策略  

分 类 号：TP391]