利用卷積神經網絡的顯著性區域預測方法
作者：李榮 無錫太湖學院物聯網工程學院; 江蘇無錫214064; 無錫太湖學院江蘇省物聯網應用技術重點實驗室; 江蘇無錫214064
摘要：針對神經網絡的顯著性區域預測存在數據采集代價大、處理繁瑣等問題,提出2種卷積神經網絡,即從頭開始訓練的淺層卷積神經網絡,以及前三層源自另一個網絡的深層卷積神經網絡。其中,淺層網絡結構簡單,可避免過擬合問題;深層網絡可以充分利用最底層的模型參數,收斂更快,效果更好。所提卷積神經網絡應用于回歸問題,均沒有直接訓練特征圖的線性模型,而是在遷移層上訓練了一堆新的卷積層。從端到端的角度解決顯著性預測,將學習過程演化為損失函數的最小化問題。測試和訓練在SALICON,SUN和MIT300數據集上進行,實驗結果驗證了所提方法的有效性。其中,深層網絡和淺層網絡在SALICON和SUN數據上的結果相似,深層網絡在MIT300上的結果更優,與其他方法相比,所提方法具有不錯的表現,而且具有跨數據集的魯棒性。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社。
重慶郵電大學學報·自然科學版雜志
重慶郵電大學學報·自然科學版雜志， 雙月刊，本刊重視學術導向，堅持科學性、學術性、先進性、創新性，刊載內容涉及的欄目：人工智能與信息通信、通信與電子、計算機與自動化等。于1988年經新聞總署批準的正規刊物。
- 北大期刊
- CSCD期刊
- 統計源期刊
- 1-3個月審核
