基于美学分析的多任务深度网络下的图像显著性预测方法

摘要

一种基于美学分析的多任务深度网络下的图像显著性预测方法：设计多任务卷积神经网络；将AVA美学分析数据库和SALICON显著性数据库的图像同时输入到设计好的多任务卷积神经网络；定义多任务卷积神经网络的损失函数，通过反向传播算法最小化损失函数；将测试集的图像经过多任务卷积神经网络并通过softmax级联输出单张图片的显著性映射分布。本发明能够提高模型预测图像显著性的鲁棒性，避免了需要统一图像尺寸而造成的图像信息结构破坏，大幅提高了图像显著性映射分布预测的精度，改善了传统方法缺少融合和关联人类视觉美学信息的问题。