基于聚类的协同显著性检测
原文:Cluster-Based Co-Saliency Detection
https://ieeexplore.ieee.org/abstract/document/6508944
摘要:
1.协同显著性是发现多幅图片的共同显著性
2.本文提出一种基于聚类的协同显著性检测
3.三个视觉线索:对比度、空间、一致性
4.在单一图像的显著性检测也优于目前大部分显著性检测算法
5.协同显著性检测视觉应用:图像分割、鲁棒图像距离、弱监督学习、视频前景检测
I 介绍
1、显著性检测被认为是一种偏向的计算资源的分配
2.通过聚类的方法在多幅图片中保持空间一致性,通过融合三个有效的线索显著性图得到最终的协同显著图
A.相关工作
1).协同显著性检测
2).协同分割
1.把相似的物体从一个或者多个图像中分离出来
2.与协同分割对比,我们的协同显著性检测包含基于低层概念的属性,更多的专注于人类的视觉特征
3.在协同分割数据集进行实验,发现即使缺少复杂的学习,本文的协同显著性检测方法依然优于很多协同分割方法
II 我们提出的方法
1.本文中如果满足以下条件则认为是相同目标的协同显著性:内显著、间显著、易于应用和计算
2.流程图
A.