个人学习总结,持续更新中……
参考文献
[1] Borji, A., Cheng, MM., Hou, Q. et al. Salient object detection: A survey. Comp. Visual Media 5, 117–150 (2019). https://doi.org/10.1007/s41095-019-0149-9
[2] 【综述论文】Salient Object Detection: A Survey翻译整理
[3] Salient Object Detection in the Deep Learning Era: An In-Depth Survey
[4] 【论文综述】初探显著性目标检测
[5] 图像显著性目标检测和目标检测的区别是什么?
[6] 显著性目标检测(一)——与图像分割、目标检测的区别
问题1:什么是显著性目标检测,它和目标检测和图像分割有什么区别?
显著性目标检测着重于 显著性目标 这几个字,重点在于目标是显著的,背景全部变为黑色,而显著性目标变为白色,类似于图像分割,但是一般只检测一个显著性目标,也不会涉及到该显著性目标的分类问题(即该目标是人还是狗)。总体来说是一个像素二分类的问题(背景or显著性目标)[5]。
目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置。
图像分割是目标检测更进阶的任务,目标检测只需要框出每个目标的包围盒,而图像分割需要进一步判断图像中每个像素的归属。目前的图像分割任务主要有两类: 语义分割和实例分割。
显著性目标检测与图像分割、目标检测的区别[6]:
- 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否是显著的,在一幅图像中,目标并不一定是显著的,显著部分也不一定都是目标。所以目标检测和显著性目标检测不是一个方向的问题。可以使用显著性目标检测来做目标检测背后的假设。
- 图像分割需要对图像中的每一个像素点进行分类,如果图像中有多个类别,像素分类属于多分类问题。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,一般只检测一个显著性目标,属于二分类问题。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。