基于多任务深度卷积神经网络的显著性对象检测算法

来源：计算机应用杂志2018年第1期北京时间：

作者：杨帆, 李建平, 李鑫, 陈雷霆

单位：电子科技大学 计算机科学与工程学院, 成都 611731

摘要：针对当前基于深度学习的显著性对象检测算法不能准确保存对象边缘的区域，从而导致检测出的显著性对象边缘区域模糊、准确率不高的问题，提出了一种基于多任务深度学习模型的显著性对象检测算法。首先，基于深度卷积神经网络（CNN），训练一个多任务模型分别学习显著性对象的区域和边缘的特征；然后，利用检测到的边缘生成大量候选区域，再结合显著性区域检测的结果对候选区域进行排序和计算权值；最后提取出完整的显著性图。在三个常用标准数据集上的实验结果表明，所提方法获得了更高的准确率，其中F-measure比基于深度学习的算法平均提高了1.9%，而平均绝对误差（MAE）平均降低了12.6%。

关键词：显著性对象检测,深度学习,边缘检测,多任务神经网络,显著图,卷积神经网络

基金资助：国家自然科学基金资助项目（61370073）；国家863计划项目（2015AA016010）。