显著性物体检测与分割

最新推荐文章于 2023-07-19 14:54:38 发布
最新推荐文章于 2023-07-19 14:54:38 发布
阅读量7.4k 收藏 17
点赞数 3

http://valse.mmcheng.net/salobj/

显著性物体检测与分割

  • 活动时间：2014年9月4日星期4，北京时间20:00开始。
  • 主持人：山世光
  • 主讲人：卢湖川，李寅，程明明，等
  • 专题题目：显著性物体检测与分割

1. 相关文献阅读

2. 讲座资料

3. 代码数据下载

Locations of visitors to this page

(Visited 1,878 times, 1 visits today)
Newest Oldest Hotest
  • 可泽
    可泽
    1. 无数白兰瓜
      无数白兰瓜 2014年9月4日
      1Level
      显著性分割主流算法的时间效率是什么情况？有没有ms级别且效果不错的算法？　　　　　　　

    http://vision.sysu.edu.cn/project/PISA/ 给出了图像显著物体检测的源代码（在六个公共数据集上：效果好的state-of-arts中速度最快，速度快的state-of-arts中效果最好），发表于IEEE T IMAGE PROCESS 2015。 此外，还给出了一个以淘宝商品为显著物体的数据集，不同于目前所有的自然场景数据集，可作为新的评测标准。

    2015年7月22日 Reply Support Forward
  • 高广帅
    高广帅
    1. 高广帅
      高广帅 2015年6月9日
      1Level
      卢老师，您那个关于稠密和稀疏重构的图像显著性检测算法的代码怎么找不到相关的页面啊？您可以给一份吗？我想参考一下，谢谢了　　　　　　　
    2. sun
      sun 2015年6月11日
      2Level
      请到我的主页上直接下载即可： http://202.118.75.4/lu/publications.html　　　　　　　

    好的，已下过，谢谢老师了！

    2015年6月12日 Reply Support Forward
  • sun
    sun
    1. 高广帅
      高广帅 2015年6月9日
      1Level
      卢老师，您那个关于稠密和稀疏重构的图像显著性检测算法的代码怎么找不到相关的页面啊？您可以给一份吗？我想参考一下，谢谢了　　　　　　　

    请到我的主页上直接下载即可： http://202.118.75.4/lu/publications.html

    2015年6月11日 Reply Support Forward
  • 高广帅
    高广帅

    卢老师，您那个关于稠密和稀疏重构的图像显著性检测算法的代码怎么找不到相关的页面啊？您可以给一份吗？我想参考一下，谢谢了

    2015年6月9日 Reply Support Forward
  • 程明明
    程明明
    1. 田虎
      田虎 2014年9月5日
      1Level
      一般的物体检测与显著性物体检测的最重要的区别是在哪里呢？如果说一般性的物体检测做的很好的情况下，比如说场景中的大部分object都能给框出来并且能给定label，（看着今年ILSVRC2014上的object dection的的MAP都刷的很高），那么显著性物体检测是不是就没有没有那么重要了呢？　　　　　　　

    一方面，不是图像中所有物体都是“显著的”。另一方面，从应用的角度讲，很多显著性物体检测算法不需要对每一种待检测类别label大量的数据做training，在很多应用中更衣用。

    2014年9月9日 Reply Support Forward
  • fenghoujianyi
    fenghoujianyi
    1. 田虎
      田虎 2014年9月5日
      1Level
      一般的物体检测与显著性物体检测的最重要的区别是在哪里呢？如果说一般性的物体检测做的很好的情况下，比如说场景中的大部分object都能给框出来并且能给定label，（看着今年ILSVRC2014上的object dection的的MAP都刷的很高），那么显著性物体检测是不是就没有没有那么重要了呢？　　　　　　　
    2. 还有1条评论
    3. 田虎
      田虎 2014年9月5日
      3Level
      我说的不是指objectness这个方法，是指的显著性物体检测这个问题。我是想说为什么要突出显著性这个问题呢？如果常规的物体检测能解决的很好话，似乎显著不显著就没那么重要了？　　　　　　　

    实际，我意思是objectness是利用或者借鉴了salient object detection的思想的， 也可以算一类性质的pre-processing的方法。比如，最开始的what is an object， 基本就是利用saliency的一些prior。 再比如，object肯定要和周围有个强对比度和封闭的强边缘，而这也是saliency最基本和常用的定义，也就是说saliency和objectness基本相通， 只不过目前saliency的算法，对多目标效果一般，而这是objectness要解决的。当然，一个图像中的多个object有显著强弱的区别，如果涉及到具体应用这个还是有用的，比如depth的估计，或者auto focus，需要对一个最关注的目标（如人物照片的人）进行突出，其他区域都进行blur

    2014年9月5日 Reply Support Forward
  • 田虎
    田虎
    1. 田虎
      田虎 2014年9月5日
      1Level
      一般的物体检测与显著性物体检测的最重要的区别是在哪里呢？如果说一般性的物体检测做的很好的情况下，比如说场景中的大部分object都能给框出来并且能给定label，（看着今年ILSVRC2014上的object dection的的MAP都刷的很高），那么显著性物体检测是不是就没有没有那么重要了呢？　　　　　　　
    2. fenghoujianyi
      fenghoujianyi 2014年9月5日
      2Level
      今年在imagenet上的算法，大多数采用object proposal（objectness）加速，实际上objectness和以前的boosting算法检测人脸之类的有类似之处。boosting检测人脸一般最开始的week classifier也是根据一些十分简单的feature，过滤掉大多数明显不是人脸的区域，后边的classifier选择的特征越来越复杂，时间复杂度也就高了，但是windows已经过滤到很少了。现在objectness一个道理，就是利用简单的方法，过滤掉明显不是目标的区域　　　　　　　

    我说的不是指objectness这个方法，是指的显著性物体检测这个问题。我是想说为什么要突出显著性这个问题呢？如果常规的物体检测能解决的很好话，似乎显著不显著就没那么重要了？

    2014年9月5日 Reply Support Forward
  • fenghoujianyi
    fenghoujianyi
    1. 田虎
      田虎 2014年9月5日
      1Level
      一般的物体检测与显著性物体检测的最重要的区别是在哪里呢？如果说一般性的物体检测做的很好的情况下，比如说场景中的大部分object都能给框出来并且能给定label，（看着今年ILSVRC2014上的object dection的的MAP都刷的很高），那么显著性物体检测是不是就没有没有那么重要了呢？　　　　　　　

    今年在imagenet上的算法，大多数采用object proposal（objectness）加速，实际上objectness和以前的boosting算法检测人脸之类的有类似之处。boosting检测人脸一般最开始的week classifier也是根据一些十分简单的feature，过滤掉大多数明显不是人脸的区域，后边的classifier选择的特征越来越复杂，时间复杂度也就高了，但是windows已经过滤到很少了。现在objectness一个道理，就是利用简单的方法，过滤掉明显不是目标的区域

    2014年9月5日 Reply Support Forward
  • 田虎
    田虎

    一般的物体检测与显著性物体检测的最重要的区别是在哪里呢？如果说一般性的物体检测做的很好的情况下，比如说场景中的大部分object都能给框出来并且能给定label，（看着今年ILSVRC2014上的object dection的的MAP都刷的很高），那么显著性物体检测是不是就没有没有那么重要了呢？

    2014年9月5日 Reply Support Forward
  • 无数白兰瓜
    无数白兰瓜
    1. 无数白兰瓜
      无数白兰瓜 2014年9月4日
      1Level
      显著性分割主流算法的时间效率是什么情况？有没有ms级别且效果不错的算法？　　　　　　　
    2. 还有2条评论
    3. 程明明
      程明明 2014年9月4日
      4Level
      算法的耗时很多并不与像素数呈线性关系，有些随着像素数增加耗时增加会多于线性　　　　　　　

    [ok] thx

    2014年9月5日 Reply Support Forward
  • 无名六号yyy
    无名六号yyy
    1. 无名六号yyy
      无名六号yyy 2014年9月4日
      1Level
      卢老师，我觉得稀疏重构做显著性的时候会出现对前景噪声很敏感，这不是稀疏表达的问题，而是用于表达的字典的问题，如果直接用图像边界的超像素做了字典，确实会出现这种现象，但是要是对他们进行字典学习，可能就解决这个问题了，也许就能够一步完成sparse和dense重构的效果。　　　　　　　
    2. 卢 湖川
      卢 湖川 2014年9月4日
      2Level
      我们之后做了一个工作，就是学习了一下sparse 的字典，结果好了很多。说明字典学习确实能提高性能。　　　　　　　

    哈哈，已经发表了吗？

    2014年9月4日 Reply Support Forward
  • 程明明
    程明明
    1. wsz@ICT-VIPL
      wsz@ICT-VIPL 2014年9月4日
      1Level
      程老师，问下您提到的CVPR 2012那篇特别值得一看的论文是哪篇？就是用显著性检测的结果来训练分类器的，如果我没有听错的话。　　　　　　　

    CVPR 2012 屠卓文老师组的文章：http://jiajunwu.com/projects/bmcl.html

    2014年9月4日 Reply Support Forward
  • 贾旭kul_visics
    贾旭kul_visics
    1. wsz@ICT-VIPL
      wsz@ICT-VIPL 2014年9月4日
      1Level
      程老师，问下您提到的CVPR 2012那篇特别值得一看的论文是哪篇？就是用显著性检测的结果来训练分类器的，如果我没有听错的话。　　　　　　　
    2. 还有1条评论
    3. wsz@ICT-VIPL
      wsz@ICT-VIPL 2014年9月4日
      3Level
      那输入给分类器的是原来的整张图像还是局部区域？之后分类器是对于新的图像或区域，然后预测其中的每一个像素的显著性值吗？具体的论文标题是什么？　　　　　　　

    输入给分类器的是bounding box，是利用显著性目标检测的结果。unsupervised object class discovery via saliency-guided multiple class learning, cvpr 2012

    2014年9月4日 Reply Support Forward
  • 程明明
    程明明
    1. 无数白兰瓜
      无数白兰瓜 2014年9月4日
      1Level
      显著性分割主流算法的时间效率是什么情况？有没有ms级别且效果不错的算法？　　　　　　　
    2. 还有1条评论
    3. 无数白兰瓜
      无数白兰瓜 2014年9月4日
      3Level
      好的。那显著性检测算法的耗时一般是和像素数量呈线性关系吗？　　　　　　　

    算法的耗时很多并不与像素数呈线性关系，有些随着像素数增加耗时增加会多于线性

    2014年9月4日 Reply Support Forward
  • wsz@ICT-VIPL
    wsz@ICT-VIPL
    1. wsz@ICT-VIPL
      wsz@ICT-VIPL 2014年9月4日
      1Level
      程老师，问下您提到的CVPR 2012那篇特别值得一看的论文是哪篇？就是用显著性检测的结果来训练分类器的，如果我没有听错的话。　　　　　　　
    2. 贾旭kul_visics
      贾旭kul_visics 2014年9月4日
      2Level
      那篇文章是将显著性检测结果高的区域看做正样本，低的看做负样本，用来训练检测器　　　　　　　

    那输入给分类器的是原来的整张图像还是局部区域？之后分类器是对于新的图像或区域，然后预测其中的每一个像素的显著性值吗？具体的论文标题是什么？

    2014年9月4日 Reply Support Forward
  • 贾旭kul_visics
    贾旭kul_visics
    1. wsz@ICT-VIPL
      wsz@ICT-VIPL 2014年9月4日
      1Level
      程老师，问下您提到的CVPR 2012那篇特别值得一看的论文是哪篇？就是用显著性检测的结果来训练分类器的，如果我没有听错的话。　　　　　　　

    那篇文章是将显著性检测结果高的区域看做正样本，低的看做负样本，用来训练检测器

    2014年9月4日 Reply Support Forward
  • 卢 湖川
    卢 湖川
    1. 无名六号yyy
      无名六号yyy 2014年9月4日
      1Level
      卢老师，我觉得稀疏重构做显著性的时候会出现对前景噪声很敏感，这不是稀疏表达的问题，而是用于表达的字典的问题，如果直接用图像边界的超像素做了字典，确实会出现这种现象，但是要是对他们进行字典学习，可能就解决这个问题了，也许就能够一步完成sparse和dense重构的效果。　　　　　　　

    我们之后做了一个工作，就是学习了一下sparse 的字典，结果好了很多。说明字典学习确实能提高性能。

    2014年9月4日 Reply Support Forward
  • taoYocsef
    taoYocsef
    1. taoYocsef
      taoYocsef 2014年9月4日
      1Level
      碰到一个问题，大量的视频，如何从中截取其中最佳的代表帧？ 感觉与人脸，显著性区域检测，还有图像的清晰度评价有关。有谁能给个建议，图像的清晰度如何来评价呢？ 有了显著区，怎样的是有代表的帧呢？　　　　　　　

    就是在一个视频中，选取最具代表的一帧，作为海报

    2014年9月4日 Reply Support Forward
  • taoYocsef
    taoYocsef

    碰到一个问题，大量的视频，如何从中截取其中最佳的代表帧？ 感觉与人脸，显著性区域检测，还有图像的清晰度评价有关。有谁能给个建议，图像的清晰度如何来评价呢？ 有了显著区，怎样的是有代表的帧呢？

    2014年9月4日 Reply Support Forward
  • wsz@ICT-VIPL
    wsz@ICT-VIPL

    程老师，问下您提到的CVPR 2012那篇特别值得一看的论文是哪篇？就是用显著性检测的结果来训练分类器的，如果我没有听错的话。

    2014年9月4日 Reply Support Forward
  • 无数白兰瓜
    无数白兰瓜
    1. 无数白兰瓜
      无数白兰瓜 2014年9月4日
      1Level
      显著性分割主流算法的时间效率是什么情况？有没有ms级别且效果不错的算法？　　　　　　　
    2. 程明明
      程明明 2014年9月4日
      2Level
      我们的survey中对现有方法做了评测，后续会放出来。快速算法也有不少，详见：http://mmcheng.net/salobjbenchmark/　　　　　　　

    好的。那显著性检测算法的耗时一般是和像素数量呈线性关系吗？

    2014年9月4日 Reply Support Forward
  • 无名六号yyy
    无名六号yyy

    卢老师，我觉得稀疏重构做显著性的时候会出现对前景噪声很敏感，这不是稀疏表达的问题，而是用于表达的字典的问题，如果直接用图像边界的超像素做了字典，确实会出现这种现象，但是要是对他们进行字典学习，可能就解决这个问题了，也许就能够一步完成sparse和dense重构的效果。

    2014年9月4日 Reply Support Forward
  • 程明明
    程明明
    1. 无数白兰瓜
      无数白兰瓜 2014年9月4日
      1Level
      显著性分割主流算法的时间效率是什么情况？有没有ms级别且效果不错的算法？　　　　　　　

    我们的survey中对现有方法做了评测，后续会放出来。快速算法也有不少，详见：http://mmcheng.net/salobjbenchmark/

    2014年9月4日 Reply Support Forward
  • 无数白兰瓜
    无数白兰瓜

    显著性分割主流算法的时间效率是什么情况？有没有ms级别且效果不错的算法？

    2014年9月4日 Reply Support Forward

wu_wenhuan
关注
  • 3
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【待更新】感知视频编码中的感知检测技术（显著性物体检测向）
video coding
08-13 2262
显著检测分类 显著物体检测
显著性检测数据集SOD.zip
07-12
显著性检测在许多应用中都具有广泛的用途，如图像分割、目标检测、视频分析、广告推荐系统等。在这个数据集中，每张图像都会有一个对应的显著性掩模，这个掩模是一个二值图，其中白色像素代表显著区域，黑色像素代表...
物体检测、物体识别、语义分割、显著性目标检测究竟有什么区别与联系？
yuride的博客
07-19 1025
物体检测、物体识别、语义分割、显著性目标检测究竟有什么区别与联系？
显著性检测—学习笔记
studyeboy的专栏
09-19 7447
Cascaded Partial Decoder for Fast and Accurate Salient Object Detection（2019） paper Cascaded Partial Decoder for Fast and Accurate Salient Object Detection 亮点 速度快 后续计算只利用了编码器的后三个卷积块的输出特征，没有使用前两个尺寸和...
显著性目标检测（一）——与图像分割、目标检测的区别
世上再无张显宗
08-02 8390
显著性目标检测
显著性检测与其它任务结合
ReaFly的博客
12-30 1050
1.显著性检测与语义分割 《Joint Learning of Saliency Detection and Weakly Supervised Semantic Segmentation》 第一阶段：SSNet-1：使用image-level的语义分割数据集和pixel-level的显著性数据集训练。 SN: segmentation network SAM:saliency aggregat...
GrabCut算法、物体显著性检测
cocapop的博客
03-06 617
图割GraphCus算法。利用颜色、纹理等信息对GraphCut进行改进，形成效果更好的GrabCut算法。对图像的目标物体和背景建立一个K维的全协方差高斯混合模型。其中，单高斯模型的概率密度函数用公式表示为：高斯混合模型可表示为n个单高斯模型的概率密度加权之和：Pi为第i个高斯模型的权值。对含有N个像素点的图像，用z=（，L，，L，）表示。用不透明度表示像素点的值。∈{0,1}。1表示该像素点属于目标物体，0表示像素点属于背景。每个像素的独立GMM参数用向量k=（,L,
笔记：实例层的显著性物体分割
Samurai_Dango的博客
07-18 1826
#笔记：实例层的显著性物体分割 ##1 综述 视觉显著性检测是计算机视觉领域最基础的问题之一，在许多复杂问题中都有所涉及。近年来，得益于神经网络的发展，视觉显著性检测技术有着快速发展。然而之前所有的方法都是基于像素层面进行检测，而不是在物体实例层面进行显著性检测。本篇文章提供了一种显著性实例分割的方法很好地解决了这个具有挑战性的问题，将显著性物体分割成了实例。 该方法主要包括以下三个步骤： 估计...
杂乱环境下的显著性物体： 将显著性物体检测推向新高度
我爱计算机视觉
08-03 1049
编者按：本文是ECCV2018接收论文《 Salient Objects in Clutter: Bringing Salient Object Detection to the For...
基于MSS的显著性检测算法
01-19
显著性检测是图像理解的关键步骤，广泛应用于视频摘要、图像分割、目标检测、广告设计等领域。MSS算法主要分为以下几个步骤： 1. **图像预处理**：首先，对输入图像进行必要的预处理，如灰度化、归一化等，以减少...
显著性检测数据集SOD&SED2;
11-17
通过在SED2上训练，模型可以学习到如何处理各种场景下的显著性检测问题，包括但不限于不同的光照条件、背景复杂度、物体形状和大小的变化等。 显著性检测的技术主要基于机器学习和深度学习。传统的机器学习方法可能...
基于双目视觉的显著性区域检测
03-10
针对传统基于像素的显著性模型存在的边缘模糊、不适于低对比度环境等问题,提出一种基于双目视觉信息的显著性区域检测方法.采用简单线性迭代聚类(SLIC)方法对图像进行超像素分割,将生成的超像素区域进行合并.通过计算...
AIM显著性检测算法 matlab代码
10-18
在许多应用场景中，如图像分割、目标检测、视频分析和交互式图像编辑等，显著性检测都扮演着关键角色。它能够帮助系统自动聚焦于关键信息，减少计算负担，提高处理效率。 AIM算法的核心思想是通过建立一个自注意力...
智慧校园音视频系统整体解决方案-1PPT(24页).pptx
07-28
智慧校园整体解决方案是响应国家教育信息化政策，结合教育改革和技术创新的产物。该方案以物联网、大数据、人工智能和移动互联技术为基础，旨在打造一个安全、高效、互动且环保的教育环境。方案强调从数字化校园向智慧校园的转变，通过自动数据采集、智能分析和按需服务，实现校园业务的智能化管理。 方案的总体设计原则包括应用至上、分层设计和互联互通，确保系统能够满足不同用户角色的需求，并实现数据和资源的整合与共享。框架设计涵盖了校园安全、管理、教学、环境等多个方面，构建了一个全面的校园应用生态系统。这包括智慧安全系统、校园身份识别、智能排课及选课系统、智慧学习系统、精品录播教室方案等，以支持个性化学习和教学评估。 建设内容突出了智慧安全和智慧管理的重要性。智慧安全管理通过分布式录播系统和紧急预案一键启动功能，增强校园安全预警和事件响应能力。智慧管理系统则利用物联网技术，实现人员和设备的智能管理，提高校园运营效率。 智慧教学部分，方案提供了智慧学习系统和精品录播教室方案，支持专业级学习硬件和智能化网络管理，促进个性化学习和教学资源的高效利用。同时，教学质量评估中心和资源应用平台的建设，旨在提升教学评估的科学性和教育资源的共享性。 智慧环境建设则侧重于基于物联网的设备管理，通过智慧教室管理系统实现教室环境的智能控制和能效管理，打造绿色、节能的校园环境。电子班牌和校园信息发布系统的建设，将作为智慧校园的核心和入口，提供教务、一卡通、图书馆等系统的集成信息。 总体而言，智慧校园整体解决方案通过集成先进技术，不仅提升了校园的信息化水平，而且优化了教学和管理流程，为学生、教师和家长提供了更加便捷、个性化的教育体验。
基于Springboot和Vue的铁路订票管理系统源码 铁路订票管理系统代码（高分优秀毕业设计）
07-28
铁路订票管理系统源码（高分毕设），个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码[代码]、该项目可以直接作为毕设使用。项目技术栈：前端是vue，后端是springboot，项目代码都经过严格调试，代码没有任何bug！ 系统源码（高分毕设），个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码[代码]、该项目可以直接作为毕设使用。项目技术栈：前端是vue，后端是springboot，项目代码都经过严格调试，代码没有任何bug！ 系统源码（高分毕设），个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码[代码]、该项目可以直接作为毕设使用。项目技术栈：前端是vue，后端是springboot，项目代码都经过严格调试，代码没有任何bug！
四足机器人 (2).pdf
最新发布
07-28
四足机器人 (2)
IT运维流程-变更管理流程设计说明书.pdf
07-28
IT运维流程-变更管理流程设计说明书.pdf
显著性目标检测与图像分割
08-04
显著性目标检测与图像分割有一些区别。显著性目标检测的主要目标是区分图像中最明显的区域，即显著性目标。它在计算机视觉领域有广泛的应用，如视觉跟踪、图像检索、图像质量评估等[1]。而图像分割是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[1]。图像分割的应用领域包括场景物体分割、人体前景分割、人脸人体parsing等[1]。显著性目标检测与图像分割的区别在于，显著性目标检测重点在于找出图像中人眼最关注的目标区域，而图像分割则是对图像中的每一个像素点进行分类，将图像分为目标和背景两类[1]。因此，显著性目标检测更注重目标的显著性，而图像分割更注重对图像的整体分割[1]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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