yxz3024的博客

预备知识：目标检测（object detection），要求模型不仅能判断一幅输入图像中包含哪类目标，还得框出目标的具体位置（bounding box）。显著性目标检测：是模拟人的视觉效果，根据人的视觉，提取出人感兴趣的部分，主要有两个过程，自底向上基于特征的数据数据驱动，另一个则是自顶向下的基于高层结构的任务驱动，这两个过程协调工作。由于自顶向下部分涉及生理学，神经学，心里学等诸多学科，且处于初...

文章用Simple Linear Iterative Clustering（SLIC)算法生成超像素作为示例，本文用区域属性、区域对比度和区域背景等三种特征来表示超像素。SLIC算法：算法大致思想是这样的，将图像从RGB颜色空间转换到CIE-Lab颜色空间，对应每个像素的（L，a，b）颜色值和（x，y）坐标组成一个5维向量V[l, a, b, x, y],两个像素的相似性即可由它们的向量距离来度量...

作者接着提出了从上面简单的模型到复杂模型的学习。作者首先通过FNCut算法进行选出显著性区域，每个区域作为一个包，在这个区域中的每个超像素作为示例。前面的模型作者用三个尺度来描述没个示例，在该处将区域划分为三个级别，并将它们作为候选包组合在一起。然后应用Otsu生成的多级自适应阈值来标记每个超像素。前z级别的为正示例，后面则为负示例。然后根据候选包是否包含正实例。可以的到正负包Bk(+), Bk(...