一种用于自顶向下显著性目标检测的分类器引导方法
计算机视觉与模式识别
2016-04-25 v1
摘要
我们提出了一种用于自顶向下显著性目标检测的框架，其包含一个紧密耦合的图像分类模块。该分类器在用于显著性建模的对象字典上计算出的新颖类别感知稀疏编码上进行训练。误分类表明相应的显著性模型不准确。因此，分类器选择需要更新显著性模型的图像。与传统的稀疏编码相比，类别感知稀疏编码以更低的计算复杂度产生了更好的图像分类精度。提出一种显著性加权最大池化以改进图像分类，并进一步用于精炼显著性图。在Graz-02和PASCAL VOC-07数据集上的实验结果证明了显著性目标检测的有效性。尽管分类器的作用是支持显著性目标检测，我们仍评估了其在图像分类中的性能，并展示了阈值化显著性图在图像分割中的效用。
引用
@article{arxiv.1604.06570,
title = {A Classifier-guided Approach for Top-down Salient Object Detection},
author = {Hisham Cholakkal and Jubin Johnson and Deepu Rajan},
journal= {arXiv preprint arXiv:1604.06570},
year = {2016}
}
备注
To appear in Signal Processing: Image Communication, Elsevier. Available online from April 2016