花费 21ms 找到9552条记录
Dual Low-Rank Pursuit: Learning Salient Features for Saliency Detection 繁体
2017年03月14 - 前言 发在IEEE Transactions on Neural Networks and Learning System上的一篇文章。发表期刊为工程技术类顶级期刊,最新IF为 . ,还是相当厉害的。文章还是挺有新意的,正文为我对这篇paper的一些理解。好文章理应好好品味。 简介 文章标题为: 双重低秩追踪:学习显著特征用于显著性检测。从文章标题大体上就可以看出该文的一个创新点是 双重低秩 ,

论文阅读:DHSNet: Deep Hierarchical Saliency Network for Salient Object Detection 繁体
2018年09月29 - 因写作需要,再精读一下这篇文章,只说这篇文章提出的方法。 摘要部分: 本文提出了一种基于卷积神经网络的深层次显著性网络 deep hierarchical nbsp saliency network,DHSNet 。该网络以下统一称作 DHSNet 。工作流程大体是这样的: 首先,DHSNet通过自动学习各种全局结构上的显著性线索 这些线索包括全局对比度 对象性 紧凑性以及它们的优化组合 ,对输入

【谷歌翻译】【TIP17】Video Saliency Detection via Spatial-Temporal Fusion and Low-Rank Coherency Diffusion 繁体
2018年05月20 - cited: 摘要 nbsp 本文提出了一种基于时空显着性融合和低秩一致性引导显着扩散的视频显着性检测新方法。与传统方法形成鲜明对比的是,它们以逐帧方式局部地进行显着性检测,并且容易产生不正确的低级显

Non-Local Deep Features for Salient Object Detection 繁体
2018年11月08 - 前言: 这篇论文是 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。 nbsp 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

基于对比度滤波的显著区域检测-SF(Saliency Filters: Contrast Based Filtering for Salient Region Detection 繁体
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。

图像显著性论文(六)—Saliency Filters Contrast Based Filtering for Salient Region Detection 繁体
2014年10月30 - 看了这么多篇显著性CVPR经典的显著性论文,真的是受益匪浅,每看一篇论文都觉得这方法实在是太棒了,都不知道怎么改善了,但是下一篇还是能用其他方法得到更好的效果,整个看论文的过程,也让我对图像显著性的发

阅读图像显著性检测论文四:Saliency Filters Contrast Based Filtering for Salient Region Detection 繁体
2016年12月14 - nbsp nbsp nbsp nbsp nbsp 本博客为博主原创,转载请注明地址:http: blog.csdn.net xbcReal article details nbsp nbsp nbsp

学习笔记:Salient Object Detection via Multiple Instance Learning(二) 繁体
2018年04月03 - 文章用Simple Linear Iterative Clustering SLIC 算法生成超像素作为示例,本文用区域属性 区域对比度和区域背景等三种特征来表示超像素。 SLIC算法: 算法大致思想

学习笔记:Salient Object Detection via Multiple Instance Learning (三) 繁体
2018年04月03 - 作者接着提出了从上面简单的模型到复杂模型的学习。 作者首先通过FNCut算法进行选出显著性区域,每个区域作为一个包,在这个区域中的每个超像素作为示例。 前面的模型作者用三个尺度来描述没个示例,在该处将

Saliency Detection by Multi-Context Deep Learning 读后笔记 繁体
2015年10月11 - nbsp nbsp nbsp nbsp 菜鸟一枚,刚接触DL,第一次写博客,不知道该怎么写,大致把论文每段的意思概括了一下,多多包涵。 nbsp nbsp 论文地址:http: www.cv foundation.org openaccess content cvpr html Zhao Saliency Detection by CVPR paper.html nbsp nbsp nbsp n


 
粤ICP备14056181号  © 2014-2020 ITdaan.com