基于双随机游走与深度多层网络的显著性检测
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-13页 |
| 1.1 研究背景与选题意义 | 第6-8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.2.1 传统启发式显著性检测方法 | 第8-9页 |
| 1.2.2 基于传播的显著性检测方法 | 第9页 |
| 1.2.3 基于监督学习与深度网络显著性检测方法 | 第9-11页 |
| 1.3 本文主要工作和章节安排 | 第11-13页 |
| 1.3.1 章节安排 | 第12-13页 |
| 2 相关工作与出发点 | 第13-17页 |
| 2.1 基于双随机游走的显著性目标检测 | 第13-15页 |
| 2.2 基于深度多层网络的显著性目标检测 | 第15-17页 |
| 3 基于双随机游走的显著性目标检测 | 第17-33页 |
| 3.1 初始分布算法模型 | 第18-22页 |
| 3.1.1 深度特征提取 | 第18-19页 |
| 3.1.2 传播距离度量与初始背景分布 | 第19-21页 |
| 3.1.3 初始前景分布 | 第21-22页 |
| 3.2 基于双随机游走的显著性检测算法 | 第22-33页 |
| 3.2.1 图模型的构建 | 第23-24页 |
| 3.2.2 单随机游走 | 第24页 |
| 3.2.3 基于重启机制的单随机游走 | 第24-25页 |
| 3.2.4 基于双重启机制的双随机游走 | 第25-31页 |
| 3.2.5 多尺度传播与优化 | 第31-33页 |
| 4 基于深度多层网络的显著性目标检测 | 第33-39页 |
| 4.1 目标候选层介绍 | 第33-35页 |
| 4.2 超像素分割层介绍 | 第35-36页 |
| 4.3 多任务显著性目标检测 | 第36-37页 |
| 4.4 多层融合 | 第37-39页 |
| 5 实验结果与分析 | 第39-60页 |
| 5.1 基于双随机游走显著性检测算法实验分析 | 第39-53页 |
| 5.1.1 数据库介绍 | 第39页 |
| 5.1.2 参数设置 | 第39-40页 |
| 5.1.3 算法效率 | 第40-41页 |
| 5.1.4 评测指标 | 第41页 |
| 5.1.5 比较的方法 | 第41页 |
| 5.1.6 评测 | 第41-49页 |
| 5.1.7 不同设置的评估 | 第49-53页 |
| 5.1.8 失败案例 | 第53页 |
| 5.2 基于深度多层网络显著目标检测实验分析 | 第53-60页 |
| 5.2.1 参数设置 | 第53-54页 |
| 5.2.2 评测 | 第54-57页 |
| 5.2.3 不同设置的评估 | 第57-58页 |
| 5.2.4 失败案例 | 第58-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-69页 |
