针对目前视觉显著性预测网络模型训练时损失函数单一不能全面反映模型优劣,亦或网络模型非常复杂的情况,提出一种基于生成对抗网络(GAN)框架的自驱动显著性预测网络模型。其由两部分组成:生成器提取输入的原始图像特征生成显著性预测图;判别器用来分辨前一个部分生成的显著图和真实显著图的区分度。通过这种螺旋上升的对抗过程,期望能够生成与真实显著图相差无几的结果。实验表明,本网络模型在SALICON测试数据集上常规性能指标上可以获得不错的成绩,其中CC指标比对比方法提高近一个百分点。
科研之友
微信
新浪微博
Facebook
分享链接
