| 输入:原始图片我,多尺度分割数N和部分参数在每个规模。 |
| 输出:卓越的地图。 |
| 为 |
| { |
| 如果我= 1 |
| (1)根据确定的参数,我们使用SLIC段形象
; |
| (2)确定的输入区域
,
,
每个superpixel; |
| (3)上述输入GoogleNet提取深度特性
,
,
; |
| (4)所有superpixels构成的深层特征矩阵W和变换矩阵W计算通过使用主成分分析得到主成分特征; |
| (5)根据主成分特征,没有对象先验显著值计算获得第一个细分显著地图
; |
| 其他的 |
| (6)根据确定的参数,我们使用分水岭算法部分图像; |
| (7)特点映射是作为对象先验地图。然后它提取并优化建议对象集
; |
| (8)确定的输入区域
,
,
在
; |
| (9)上述输入GoogleNet提取深度特性
,
,
; |
| (10)所有superpixels构成的深层特征矩阵W和变换矩阵W计算通过使用主成分分析得到主成分特征; |
| (11)根据主成分特征,特点与对象先验值计算。我们获得显著图
; |
| 如果 |
| } |
| (12)计算体重显著图在每个规模; |
| (13)采用重量细胞自动机融合获得N显著地图和得到最后的SM。 |
|
