显著性目标检测
定义
- 显著性目标检测(salient object detection)(SOD),主要目标为区分图像中最明显的区域。
应用领域
- 目标广泛应用在计算机视觉领域,例如视觉跟踪、图像检索、非照片级别渲染、4D显著性检测、无参考的图像质量评估。
存在的问题
- 需要从多尺度变化的图像中获取更多有效信息。需要考虑持续准确地分割出不同尺度的突出物体信息。
- 如何提高这种情况下预测的空间一致性。
- 显著性目标检测中,高对比度的边缘通常会突出而不是突出物体,会导致物体的边界无法很好地进行保留。
- 数据集稀少,昂贵。
目标检测
定义
- 目标检测也叫做目标提取,是一种基于目标几何和统计特征的图像分割,将目标分割和识别合二为一,需要对多个目标进行实时处理。
图像分割
定义
- 将图像分成若干个具有相似性的区域的过程,将图像划分成互不相交的区域的过程。
应用领域
- 场景物体分割、人体前景分割、人脸人体parsing、三维重建技术等在智能安防、无人驾驶、安防监控等应用广泛。
显著性目标检测与图像分割、目标检测的区别:
- 目标检测与显著性目标检测有重合也有区别,目标检测重点在于是否有目标,显著性目标检测重点在于目标是显著的,可以使用显著性目标检测来做目标检测背后的assumption(假设)。需要注意的是,目标并非是显著的,显著部分不一定都是目标。
- 目标检测室需要找出图像中目标物体的范围,分割指的是对一张图像中的每一个像素点进行分类。图像分割一般分为两类,目标和背景,背景部分一般为黑色。显著性目标检测需要找出一张图像中人眼最关注的目标区域,一般属于一个二分类问题。显著性目标检测逐步向图像分割发展,显著性目标检测也叫做显著性目标分割。
- 显著性目标检测虽然叫做检测,但不同于目标检测中的目标检测·,能够实现将显著性主体的像素级别分割出来。通过提取出图像中的目标区域来进行分析。