图像分割学习笔记1
1、显著性检测(Saliency Detection)
1.1 两类问题
①显著性物体分割(Salient object segmentation)--- 最能引起人的视觉注意的物体区域
②注视点预测(Fixation prediction)--- 通过对眼动的预测和研究探索人类视觉注意机制
1.2 两种策略的视觉注意机制
①自底而上基于数据驱动的注意机制
1)从数据出发
2)与周边有较强对比度或差异
3)颜色、亮度、边缘等特征
②自上而下基于任务驱动的目标的注意机制
1)从认知因素出发,如知识、预期、兴趣等
1.3 Pascal VOC数据集
①显著物体标注 ②眼动数据
如下图所示,由VGG修改而成DNN模型,用于显著性检测,最后一层是一个解卷积层。
2、物体分割(Object Segmentation)
2.1 前景背景分割
①前景一般包含物体 ②需要交互提供初始标记(提供一些简单的初始标记,使分割更好)
2.2 Graph Cuts分割
最基本的分割算法一般都是基于图论。
①基于图论的分割方法
②分割模型
1)每个像素都一个节点
2)最小割最大流算法优化
2.3 GrabCut分割
①前景/背景的颜色模型
1)高斯混合模型
2)Kmeans算法获得
②迭代进行Graph Cuts
1)优化前景和背景的颜色模型