Resumen

Los modelos tradicionales de detección de objetos salientes se dividen en varias clases basadas en características de bajo nivel y en el contraste entre píxeles. En este trabajo, proponemos un modelo basado en una pirámide profunda multinivel (MLDP), que implica la fusión de múltiples características en diferentes niveles. En primer lugar, el MLDP utiliza la imagen original como entrada de un modelo VGG16 para extraer características de alto nivel y formar un mapa de saliencia inicial. A continuación, el MLDP extrae más características de alto nivel para formar un mapa de saliencia basado en una pirámide profunda. A continuación, el MLDP obtiene el mapa de saliencia fusionado con superpíxeles mediante la extracción de características de bajo nivel. Después, el MLDP aplica un filtrado de ruido de fondo al mapa de saliencia fusionado con superpíxeles para filtrar la interferencia del ruido de fondo y formar un mapa de saliencia basado en el primer plano. Por último, el MLDP combina el mapa de saliencia fusionado con los superpíxeles con el mapa de saliencia basado en el primer plano, lo que da como resultado el mapa de saliencia final. El MLDP no se limita a características de bajo nivel, sino que fusiona múltiples características y consigue buenos resultados en la extracción de objetivos salientes. Como se puede ver en nuestra sección de experimentos, el MLDP es mejor que los otros 7 modelos de última generación en tres conjuntos de datos de saliencia públicos diferentes. Por lo tanto, el MLDP tiene superioridad y amplia aplicabilidad en la extracción de objetivos salientes.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:mldp, características de nivel, mapa de saliencia, superpíxeles, características múltiples, objetivos salientes, modelos tradicionales de detección de objetos salientes, diferentes conjuntos de datos públicos de saliencia, filtrado de ruido de fondo, mapa final de saliencia
• Keywords:mldp, level features, saliency map, superpixels, multiple features, salient targets, traditional salient object detection models, different public saliency datasets, background noise filtering, final saliency map