文件名称：matlab匹配滤波代码-SALICONtf:TensorFlow中SALICON显着性模型的重新实现
文件大小：4.04MB
文件格式：ZIP
更新时间：2024-06-12 19:33:32
系统开源
matlab匹配滤波代码SALICONtf 该存储库包含用于训练和运行SALICONtf的代码-在TensorFlow中自底向上的显着性模型SALICON的重新实现。 执行 建筑学 在我们的实现中，我们对原始内容进行了一些小的更改。 与原始论文一样，SALICONtf模型包含两个基于VGG的流（无fc层），用于精细和粗糙处理。 输入的大小分别调整为600x800px和300x400px，分别用于精细流和corase流。 调整细流的最后一层的大小以匹配粗流的sie（30x57px）。 两个输出都被串联并通过1×1滤波器进行卷积。 标签（人眼固定图）的大小调整为37×50，以匹配网络的输出。 训练 在原始公式中，通过优化Kullback-Leibler散度（KLD）损失获得了最佳结果。 在我们使用SALICONtf进行的实验中，我们使用了二进制交叉熵损失（OpenSALICON也使用了它）获得了更好的结果。 我们使用固定学习率0.01，动量0.9和重量衰减0.0005。 原始论文没有指定训练时期的数量，只提到训练模型需要1到2个小时。 我们的实现在100个周期后获得了合理的结果，并在300
【文件预览】：
SALICONtf-master
----.gitignore(1KB)
----Dockerfile(397B)
----requirements.txt(134B)
----src()
--------data_utils.py(4KB)
--------SALICONtf.py(8KB)
--------run_SALICONtf.py(937B)
--------finetune_SALICONtf.py(1KB)
----.dockerignore(59B)
----docker_scripts()
--------build(35B)
--------run_batch(1KB)
--------finetune(167B)
----models()
--------download_vgg_weights.sh(164B)
--------download_pretrained_weights.sh(115B)
----LICENSE(34KB)
----README.md(6KB)
----mit1003_dataset()
--------download_mit1003.sh(506B)
----osie_dataset()
--------fixation_maps.zip(4.1MB)
--------download_osie_dataset.sh(254B)
--------generate_osie_fixation_maps.m(1KB)