机器视觉
不变的svm
这个作者很懒,什么都没留下…
展开
-
学习笔记:Learning Full Pairwise Affinities for Spectral Segmentation
大多数研究通常将分割问题定义为寻找一种最小化特定能量函数的图像的标记。在原图像中,一些问题使得无监督的图像分割变得困难,比如寻找模糊的对象边界和分离高度杂乱的背景。本文是在mean shift算法基础上研究的。Mean Shift向量:偏移的均值向量。定义如下:对于给定dd维空间RdRd中的nn个样本点xi,i=1,2,…,nxi,i=1,2,…,n在xxd点的Mean Shift向量的基本形式定...原创 2018-04-04 17:24:44 · 541 阅读 · 0 评论 -
学习笔记:Salient Object Detection: A Discriminative Regional Feature Integration Approach
本文是显著性目标检测用监督学习的方法来作。本文采用multi-level segmentation的方法进行分割。其主要思想为:将原图进行m级分割, S = {S1, S2, ···, SM}。S2是由S1融合所得,阈值是算法生成的。最终融合得到SM。为了融合计算,作者提出了特征描述器。提出了三个 Regional contrast descriptor,Regional property des...原创 2018-04-12 11:38:02 · 2052 阅读 · 0 评论 -
学习笔记:Saliency Optimization from Robust Background Detection
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:同时还提出了背景概率:最终背景对比度权重为:这样就很好的描述了区域背景性和...原创 2018-04-12 20:30:44 · 2662 阅读 · 0 评论