استفاده از شبکه عصبی کانولوشنی و ابرپیکسل برای تشخیص برجستگی در تصاویر

تشخیص اشیاء برجسته از صحنه های طبیعی که اغلب با عنوان کشف جسم برجسته از آن یاد میشود،علاقه زیادی در بینایی کامپیوتر به خود جذب کرده است. درحالیکه مدلهای بسیاری پیشنهادشده و برنامه های مختلفی پدید آمده اند، اما هنوز هم درک عمیقی از این مفهوم و روشهای مناسب برای استخراج برجستگی تصاویر وجود ندارد. در رویکرد پیشنهادی روشی بر پایه شبکه های عصبی کانولوشنی و روشهای سنتی جهت استخراج مناسب برجستگی در تصاویر طراحی شده است. شبکه استفاده شده در این رویکرد شامل یک شبکه کانولوشنی و دیکانولوشنی است بگونه ای که در قسمت کانولوشنی شبکه از معماری VGG16 استفاده شده است. در قسمت دیکانولوشنی نیز از معکوس معماری قسمت کانولوشنی استفاده شده است تا ویژگی های استخراجی در هر رده از قسمت کانولوشن با ویژگیهای انتهایی معماری VGG16 ترکیب گردد. دقت رویکرد پیشنهادی نشان میدهد در این شبکه قدرت عمل قسمت دیکانولوشن و ترکیب نتایج با روشهای سنتی شامل ابرپیکسل و مدل ترکیبی گوسی، سپس اصلاح توسط میدان تصادفی شرطی، منجر به بهبود نتایج نسبت به سایر مقالات مورد بررسی شده است. روش کار این مقاله بر روی دو مجموعه داده ECCSD و SOD که چالشهای متعددی را پوشش میدهند، اعمال شد و مقایسه نتایج روش پیشنهادی براساس دو معیار MAE و F-score ، قدرت عملکرد این روش نسبت به کارهای مورد بررسی را نشان میدهد.

Keywords:

برجستگی , شبکه عصبی کانولوشنی , ابرپیکسل , مدل ترکیبی گوسی , میدان تصادفی شرطی