学习笔记：Saliency Optimization from Robust Background Detection

最新推荐文章于 2019-12-13 12:39:37 发布
最新推荐文章于 2019-12-13 12:39:37 发布
阅读量2.6k 收藏 5
点赞数
分类专栏： 机器视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yxz3024/article/details/79913449
版权
本文目标显著性目标检测是由无监督学习的方法来作的。
首先作者提出了背景连通度评估从而分离显著性的目标。
作者首先提出了连通度计算公式：

本文先通过图像分割进行区域分割。 SLIC算法来作。
然后通过提出连通度计算扩展到区域的计算。如下：

由于上述公式计算的结果可能对比度不高，于是作者又提出了一个背景对比度权重。
首先写出了超像素的权重：

最低0.47元/天 解锁文章
不变的svm
关注
专栏目录
读CVPR2014论文<Saliency Optimization from Robust Background Detection>
dayenglish的专栏
04-28 4679
在显著性检测中，利用背景先验进行检测是一种有效的方式。目前大多数方法是基于图像区域是否与图像边缘关联来判断当前区域是否可以作为背景先验信息，这样的方法很容易引入前景噪声。文章作者所提出的方法中，主要利用连续性来提高背景先验的鲁棒性。通俗一点说就是：目标区域不大可能与图像关联，即使与图像发生关联也只是目标区域中的很小一部分。示意图如下： 在整个图像中存在四个区域，每一个图像都和图像边缘发生了关联。
Saliency Optimization from Robust Background Detection 笔记
ZHANGWENJUAN1995的博客
07-28 1024
Saliency Optimization from Robust Background Detection 鲁棒背景检测的显著性优化 摘要 1.首先，我们提出一种鲁棒性的方法叫做背景相关性。它根据图像的边界来表征图像区域的空间布局，具有很强的鲁棒性。 ...
saliency optimization from robust background detection论文代码
12-11
cvpr2014 论文saliency optimization from robust background detection的代码
Saliency Optimization from Robust Background Detection代码
qq_22904461的博客
09-18 1652
之前研究过显著性提取一段时间，看到了这篇高引论文，整体算法流程十分清晰，中文解析参见https://blog.csdn.net/dayenglish/article/details/51275128#commentsedit 发现很多同胞都在寻找代码，我之前下载过一份，分享给大家： https://pan.baidu.com/s/1f6Ifb4tBMFspWDd9Fr4t_A 侵删...
OpenCV—python 图像显著性检测算法—鲁棒背景检测
红叶谷 wsp_1138886114的博客
12-13 3301
文章目录一、鲁棒背景检测的显著性优化二、代码演示 一、鲁棒背景检测的显著性优化 Saliency Optimization from Robust Background Detection 摘要 1.首先，我们提出一种鲁棒性的方法叫做背景相关性。它根据图像的边界来表征图像区域的空间布局，具有很强的鲁棒性。它有一个直观的几何解释，并提出独特的优势，这是以前的显着性方法所缺乏的。 2.我们提出一种优...
Saliency Detection by Multi-Task Sparsity Puisuit
开飞机的小毛驴儿
07-06 875
前言 这是很久之前看过的一篇文章，今晚突然想起来可能对我即将要做的工作有所启发，故重新阅读，写点收获体会。下面是我对这篇文章的一个简单翻译和理解，可能存在不准确之处，仅仅是我个人的看法。 摘要 这篇文章要解决的问题是在无监督的情况下做自然图像中的显著性检测。为了协同多特征用于显著性检测，本文提出了一个多任务稀疏追踪的方法。给定一幅多特征描述的图像，通过寻求连续的稀疏元素来推断其显著性图。推断
论文阅读：Review of Visual Saliency Detection with Comprehensive Information
weixin_30349597的博客
07-09 1188
这篇文章目前发表在arxiv，日期：20180309。 这是一篇针对多种综合性信息的视觉显著性检测的综述文章。 注：有些名词直接贴原文，是因为不翻译更容易理解。也不会逐字逐句都翻译，重要的肯定不会错过^_^。我们的目的是理解文章思想，而不是为了翻译而纯粹翻译。翻译得不好，敬请包涵~ 欢迎同道中人QQ交流：1505543113 abstract： 随着采集技术（acquisiti...
【显著性检测】PiCANet: Learning Pixel-wise Contextual Attention for Saliency Detection【论文笔记】
weixin_38682454的博客
03-14 5431
论文链接 主要思想：如果能够识别相关的上下文区域并为每个像素构建信息性上下文特征，则可以做出更好的检测结果。 我们的方案：提出了Pixel-wise Contextual Attention network （PiCANet），来学习每个像素的信息性上下文特征，然后将其嵌入到UNet中，PiCANet整合全局上下文和多尺度的局部上下文来提升显著性检测性能。 模型结构：PiCANet的部分看得...
论文“Context-Aware Saliency Detection”的matlab代码及论文
03-07
所属分类：图形图像处理 开发工具：matlab 文件大小：4.27 MB 说明： 目标检测，利用上下文关系 (object detection using context)
CVPR 2015 Saliency Detection (显著性检测）
u011411283的专栏
06-13 9919
前一篇文章是做显著性的，最近很关注这个方向，CVPR 2015的也出了，特意整理一下，简单的分析以后有空再加： 1. “Traditional Saliency Reloaded: A Good Old Model in New Shape”，Simone Frintrop, Thomas Werner, Germán Martin Garcia。 DOG高斯金字塔得重新包装，再次提醒很多
Robust Optimization
06-23
这是一本关于鲁棒很好的一本书，很全面。有志研究这方面的博士或者研究生必不可少的读物！
Robust Optimization - Princeton University Press
06-15
written by Aharon Ben-Tal Laurent El Ghaoui Arkadi Nemirovski Copyright © 2009 by Princeton University Press PART I. ROBUST LINEAR OPTIMIZATION 1 Chapter 1. Uncertain Linear Optimization Problems and their Robust Counterparts 3 1.1 Data Uncertainty in Linear Optimization 3 1.2 Uncertain Linear Problems and their Robust Counterparts 7 1.3 Tractability of Robust Counterparts 16 1.4 Non-Affine Perturbations 23 1.5 Exercises 25 1.6 Notes and Remarks 25 Chapter 2. Robust Counterpart Approximations of Scalar Chance Constraints 27 2.1 How to Specify an Uncertainty Set 27 2.2 Chance Constraints and their Safe Tractable Approximations 28 2.3 Safe Tractable Approximations of Scalar Chance Constraints: Basic Examples 31 2.4 Extensions 44 2.5 Exercises 60 2.6 Notes and Remarks 64 Chapter 3. Globalized Robust Counterparts of Uncertain LO Problems 67 3.1 Globalized Robust Counterpart — Motivation and Definition 67 3.2 Computational Tractability of GRC 69 3.3 Example: Synthesis of Antenna Arrays 70 3.4 Exercises 79 3.5 Notes and Remarks 79 Chapter 4. More on Safe Tractable Approximations of Scalar Chance Constraints 81 4.1 Robust Counterpart Representation of a Safe Convex Approximation to a Scalar Chance Constraint 81 4.2 Bernstein Approximation of a Chance Constraint 83 4.3 From Bernstein Approximation to Conditional Value at Risk and Back 90 4.4 Majorization 105 4.5 Beyond the Case of Independent Linear Perturbations 109 4.6 Exercises 136 4.7 Notes and Remarks 145 PART II. ROBUST CONIC OPTIMIZATION 147 Chapter 5. Uncertain Conic Optimization: The Concepts 149 5.1 Uncertain Conic Optimization: Preliminaries 149 5.2 Robust Counterpart of Uncertain Conic Problem: Tractability 151 5.3 Safe Tractable Approximations of RCs of Uncertain Conic Inequalities 153 5.4 Exercises 156 5.5 Notes and Remarks 157 Chapter 6. Uncertain Conic Quadratic Problems with Tractable RCs 159 6.1 A Generic Solvable Case: Scenario Uncertainty 159 6.2 Solvable Case I: Simple Interval Uncertainty 160 6.3 Solv
saliency detection
01-07
图像视觉显著性检测算法在分析图像内容的过程中,引入了视觉特性,大大提高了 计算机对图像内容的理解程度,推进了图像处理技术的发展。在各种图像处理技术中, 计算机所关注的并不是图像的全部内容,而是一部分感兴趣区域或者非感兴趣区域。通 过视觉显著性检测算法去检测图像的显著区域,并给予不同区域不同的处理优先级,从 而更好的利用计算资源,提高计算效率。
SLIC超像素分割的算法介绍和源码分析
_者行孙的博客
10-31 2万+
前述最近在看显著性检测，发现很多算法的基础是超像素分割，而正在看的Saliency Optimization from Robust Background Detection算法的预处理是SLIC算法，于是便找了SLIC算法的论文进行学习，在学习过程中也顺便翻译了论文:http://blog.csdn.net/zhj_matlab/article/details/52973723。论文也给出了源码:
Saliency程序代码分享
liuzywen的专栏
11-27 1429
以下列举收集到的有code可以参考的Saliency研究学者的主页，在此首先对这些研究学者致敬，感谢你们的无私分享。 （持续更新） 1、卢湖川 http://ice.dlut.edu.cn/lu/index.html 2、程明明 http://mmcheng.net/zh/code-data/ 3、付华柱 https://sites.google.com/site/huazh
Robust Optimization VS Stochastic Optimization
Ssure的专栏
01-12 1416
1. Robust optimization 2. Stochastic optimization
论文阅读：CVPR2016 Paper list
热门推荐
一亩半分地
05-12 8万+
CVPR2016 accepted paper list
CVPR2014结果出来了，小伙伴们赶紧来啊~~~~
脚踏实地
03-07 1万+
赶紧看
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