声明
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 基于传统算法的显著性检测模型
1.2.2 基于深度学习的显著性检测模型
1.3 本文结构安排
第二章 相关理论与算法
2.1 显著性目标检测的主要分支
2.2 机器学习相关知识
2.2.1 k近邻算法
2.2.2 集成学习算法
2.3 深度学习相关知识
2.3.1 多层神经网络
2.3.3 卷积神经网络
2.4 公共数据集及评价指标
2.5 本章小结
第三章 基于加权的k近邻线性混合显著性目标检测
3.1 算法流程
3.2 特征表示
3.3 弱显著模型
3.4 强显著模型
3.4.1 采集样本
3.4.2 加权的k近邻模型
3.4.3 最优k值选取
3.4.4 有权重的线性混合
3.5 显著图融合
3.6 实验结果
3.6.1 实验设置
3.6.2 定量对比
3.6.3 定性对比
3.7 本章小结
第四章 基于深层指导的显著性目标检测
4.1 引言
4.2 深层指导网络模型
4.2.1 基准网络
4.2.2 混合特征增强模块
4.2.3 判别特征模块
4.2.4 显著性推理模块
4.3 实验
4.3.1 实验设置
4.3.2 性能对比
4.3.3 切除研究
4.4 本章小结
第五章 总结与展望
5.1 论文总结
5.2 研究展望
参考文献
攻读硕士学位期间取得的学术成果
致谢
安徽大学;
