A Deeper Look at Saliency: Feature Contrast, Semantics, and Beyond

78 篇文章 0 订阅
36 篇文章 0 订阅

CVPR2016
A Deeper Look at Saliency: Feature Contrast, Semantics, and Beyond

本文首先解决的问题是在设计 visual saliency 模型时,关注的是 high level considerations,然后就是提出了一个 基于 全卷积网络的 FCNs 深度模型,同时指出在训练数据的选择,真值数据的使用上对最终结果至关重要。

基于 saliency 目前有三个研究方向: gaze prediction, salient object segmentation, and objectness measures。

本文使用的全卷积深度模型结构如下:

这里写图片描述

经过实验验证:

发现数据库的选择对于模型的检测结果很有影响。数据越多样性,模型结果越好。

真值的选择对于结果的影响主要体现在两个方面,一个是训练的损失函数的联系,另一个是性能的评估准则上。

Role of Semantics 语义的角色,有些东西人更加感兴趣。

Feature Contrast 特征对比度的选择

这里写图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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