花费 675ms 找到8846条记录
1 Dual Low-Rank Pursuit: Learning Salient Features for Saliency Detection
2017年03月14 - 就在于是否使用高层信息,所谓高层指的是某些标注、先验知识等。 以上内容的细节可参照两篇文章:Saliency Detection by multitask sparsity pursuit, TIP,是同一作者;另一篇是刘光灿老师提出的LRR低秩表示模型,Robust Subspace
2 论文阅读:DHSNet: Deep Hierarchical Saliency Network for Salient Object Detection
2018年09月29 - 关系先不介绍。 3、DHSNet for Salient Object Detection(这一部分为本文算法详细介绍): 3.1. GV-CNN for Coarse Global Prediction GV-CNN包括一个由13层卷积层组成的VGG net,接下来是一个全连接层,和一个
3 【谷歌翻译】【TIP17】Video Saliency Detection via Spatial-Temporal Fusion and Low-Rank Coherency Diffusion
2018年05月20 - , and W. Yu, “Moving object detection by detecting contiguous outliers in the low-rank representation,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 35, no.
4 Non-Local Deep Features for Salient Object Detection
2018年11月08 - 前言: 这篇论文是2017年cvpr顶会的论文,该论文文笔很优美,读起来很舒服。这篇论文的作者是厦门大学的Zhiming Luo。 摘要: 作者指出:对于处理具有复杂背景的图像,传统的方法做的不好,而对于现在的深度学习方法,结构上有点过度的复杂并且处理图像的速度并不能实时。因此,作者提出
5 学习笔记:Salient Object Detection via Multiple Instance Learning(二)
2018年04月03 - 除。2,目标很大,由于目标可以由多个适种中的边框选中,所以删除大边框不会由有影响。 Criterion 2: Screen out the boxes without salient seeds. 图像I,其超像素为 因而计算边界连接线性通度得分BC
6 学习笔记:Salient Object Detection via Multiple Instance Learning (三)
2018年04月03 - St,用Otsu更新生成的多级自适应阈值来标记每个超像素。最后用下面的式子更新 saliency maps。 t次迭代完后就得到了最后的显著性区域。 算法如下: 至此整篇文章结束
7 基于对比度滤波的显著区域检测-SF(Saliency Filters: Contrast Based Filtering for Salient Region Detection
2017年07月03 - 详见点击打开链接 抽象化:将图像分解成由其平均颜色表示的紧凑,感知均匀的元素。 元素保存相关结构,并抽出不需要的细节。 唯一性:在某些方面从其他地区脱颖而出的区域引起了我们的注意,因此应该更加突出。 因此,我们测量每个元素的唯一性/稀有度Ui: 分布:理想地,属于背景的颜
8 阅读图像显著性检测论文四:Saliency Filters Contrast Based Filtering for Salient Region Detection
2016年12月14 - 。 4、Saliency Assignment(计算最终的显著性图) 现在我们手中得到的是每个元素的U和D,首先将U和D都归一化到[0,1]这个区间来,便于对二者同时进行运算。作者在实验中发现相比于U而言,D对显著性的贡献更为重要,因此,为了更突出D,使用了以下表达式,把D放在指数的位置
9 图像显著性论文(六)—Saliency Filters Contrast Based Filtering for Salient Region Detection
2014年10月30 - 值的方法,第二种方法是通过动态阈值的方法;得到的结果如下作者还提出了平均绝对误差的方法来证明本文方法的优越性,方法如下:结果如下参考资料1、Saliency Filters Contrast Based Filtering for Salient Region Detection
10 Saliency Detection by Multi-Context Deep Learning 读后笔记
2015年10月11 - /Zhao_Saliency_Detection_by_2015_CVPR_paper.html 摘要 问题:低层次的显着性线索或先验不能够产生足够好的显着性检测结果,特别是当显着对象在低对比度的背景与混乱的视觉外观中的时候。 我们的解决方法:提出一个为显着性检测的多情景深度学习框架,该框架采用深度卷积神经网络在图像中去检测目标的显著性,全局背景和局部背景综合

 
© 2014-2019 ITdaan.com 粤ICP备14056181号