用于视觉显著性的层次元胞自动机
计算机视觉与模式识别
2017-05-29 v1
摘要
显著性检测，即寻找图像中最重要的部分，在计算机视觉领域日益流行。本文提出层次元胞自动机（Hierarchical Cellular Automata, HCA）——一种通过时间演化智能检测显著目标的模型。HCA 包含两个主要组件：单层元胞自动机（Single-layer Cellular Automata, SCA）和立方体元胞自动机（Cuboid Cellular Automata, CCA）。作为一种无监督传播机制，单层元胞自动机可通过与邻域的交互，利用相似区域的内在关联性。从深度神经网络提取的低层图像特征和高层语义信息被融入 SCA，以衡量不同图像块之间的相关性。借助这些层次化深度特征，构建了影响因子矩阵和相干性矩阵，以平衡对每个元胞下一状态的影响。所有元胞的显著性值根据定义明确的更新规则迭代更新。此外，我们提出 CCA，在贝叶斯框架下整合 SCA 在不同尺度上生成的多幅显著图。因此，单层传播与多层整合在我们的统一 HCA 中被联合建模。令人惊讶的是，我们发现 SCA 能够提升所有我们应用过的现有方法，使其达到相似的精度水平，而无论其原始结果如何。CCA 可作为一种高效的逐像素聚合算法，整合最先进的方法，从而获得更优的结果。在四个具有挑战性的数据集上的大量实验表明，所提出的算法优于最先进的传统方法，并与基于深度学习的方法具有竞争力。
引用
@article{arxiv.1705.09425,
title = {Hierarchical Cellular Automata for Visual Saliency},
author = {Yao Qin and Mengyang Feng and Huchuan Lu and Garrison W. Cottrell},
journal= {arXiv preprint arXiv:1705.09425},
year = {2017}
}