Region-based Saliency Detection and Its Application in Object Recognition笔记

1. 本文实在10年的ACM MM会议论文的基础上进行扩展的
2. 显著性计算过程:

  1. 用adaptive mean shift进行超像素分割
  2. 用平均颜色表示超像素
  3. 将超像素集合做为GMM的输入,得到K个cluster
  4. 计算每一个cluster的compatness,并作为cluster的显著性 (假设:背景区域很分散,而对象区域很集中。故cluster的空间分布越是紧密,越显著)
  5. 对每一个cluter进行PageRank(CVPR13有一篇论文就是采用的Manifolds Rank,具有一定的相似性)
  6. 计算最终的显著性,即超像素的显著性=sum(超像素属于cluster i的概率*cluster k的PageRank)

3. 对象识别

传统框架:Sparse Coding + SVM
在学习字典的时候,目标函数中加入了显著性做为权重,但是对目标函数的优化方法不影响

郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。