基于凸包重叠的显著目标检测
计算机视觉与模式识别
2020-10-19 v2 人工智能
摘要
显著目标检测在视觉系统中检测重要区域时扮演着重要角色。基于卷积神经网络（CNN）的方法直接利用大规模数据集训练其模型，但何为显著性的关键特征仍是一个问题。在本文中，我们构建了一种名为凸包重叠（CHO）的新型自底向上特征，结合外观对比特征，以检测显著目标。CHO特征是一种增强的格式塔线索。心理学家认为，包围性反映了物体的重叠关系。位于其他物体之上的物体具有吸引力。我们的方法与早期工作有显著不同：(1) 我们建立了一种手工特征来检测显著目标，使得我们的模型无需大规模数据集训练；(2) 以往工作仅关注外观特征，而我们的CHO特征弥补了空间物体覆盖与物体显著性之间的空白。我们在大量公开数据集上的实验获得了非常积极的结果。
引用
@article{arxiv.1612.03284,
title = {Salient Object Detection with Convex Hull Overlap},
author = {Yongqing Liang},
journal= {arXiv preprint arXiv:1612.03284},
year = {2020}
}
备注
Published in: 2018 IEEE International Conference on Big Data (Big Data)