期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于贝叶斯框架融合的RGB-D图像显著性检测 被引量:5
1
作者 王松涛 周真 +1 位作者 靳薇 曲寒冰 《自动化学报》 EI CSCD 北大核心 2020年第4期695-720,共26页
为了有效融合RGB图像颜色信息和Depth图像深度信息,提出一种基于贝叶斯框架融合的RGB-D图像显著性检测方法.通过分析3D显著性在RGB图像和Depth图像分布的情况,采用类条件互信息熵(Class-conditional mutual information, CMI)度量由深... 为了有效融合RGB图像颜色信息和Depth图像深度信息,提出一种基于贝叶斯框架融合的RGB-D图像显著性检测方法.通过分析3D显著性在RGB图像和Depth图像分布的情况,采用类条件互信息熵(Class-conditional mutual information, CMI)度量由深层卷积神经网络提取的颜色特征和深度特征的相关性,依据贝叶斯定理得到RGB-D图像显著性后验概率.假设颜色特征和深度特征符合高斯分布,基于DMNB (Discriminative mixed-membership naive Bayes)生成模型进行显著性检测建模,其模型参数由变分最大期望算法进行估计.在RGB-D图像显著性检测公开数据集NLPR和NJU-DS2000上测试,实验结果表明提出的方法具有更高的准确率和召回率. 展开更多
关键词 贝叶斯融合 深度学习 生成模型 显著性检测 RGB-D图像
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部