%0 Journal Article %A 李庆武 %A 马云鹏 %A 周亚琴 %A 邢俊 %T 基于无监督栈式降噪自编码网络的显著性检测算法 %D 2019 %R 10.3969/j.issn.0372-2112.2019.04.015 %J 电子学报 %P 871-879 %V 47 %N 4 %X 针对现有的显著性检测算法检测目标类型单一、通用性差的问题,提出一种基于无监督栈式降噪自编码网络的显著性检测算法.该算法利用无监督栈式降噪自编码网络(Stacked Denoising Auto Encoder,SDAE)在多个尺度对原始图像进行稀疏重构,将原始图像与SDAE网络重构图像之间的差作为显著图,二值化后的显著图作为显著性目标检测结果.在SDAE网络训练过程中,将原始图像作为原始数据,网络重构的图像作为观察数据.为了提升网络训练效率,首先利用无监督逐层贪婪方法训练同结构的深度信念网络(Deep Belief Network,DBN),将训练得到的DBN网络参数设为SDAE网络的初始参数,再计算原始数据与观察数据之间的互信息作为网络收敛代价,利用反向传播进行网络参数微调.实验表明,该网络模型可以完成多类型目标的显著性检测,具有通用性好,准确度高等优点. %U https://www.ejournal.org.cn/CN/10.3969/j.issn.0372-2112.2019.04.015