阅读图像显著性检测论文六:2015年版本的Global Contrast Based Salient Region Detection

本文介绍了程明明2015年的显著性检测论文,对比2011年的版本,主要改进了RC算法的空间加权区域对比度计算公式,增加了显著性区域的均匀平滑处理,并提出了全自动图像分割算法SaliencyCut。这些改进提升了显著性检测的质量和效率。
摘要由CSDN通过智能技术生成

      本博客为博主原创,转载请注明地址:http://blog.csdn.net/xbcreal/article/details/53675377

      如果你阅读过本博客系列的第五篇文章的话,对为什么要加个2015年版本这几个字应该就不奇怪了,这是作者程明明的另外一篇文章,和他2011年的文章名字一样。用作者摘要中的一句话来概括这个算法吧:The proposed algorithm is simple, efficient, naturally multi-scale, and produces full-resolution, high-quality saliency maps.五个词汇几乎包括了做显著性检测的所有追求。

       事实上,这篇文章是对11年的那篇文章做了改进。既然是做了改进,那么我们这里主要关注改进的地方在哪里,除了这些改进的地方以外,文章的其他内容11年的文章大致相同。

      第一个改进是对RC算法中显著性的计算公式进行了改进,列出11年论文和15年论文中的显著性计算公式,见下图:

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值