显著区域分割
计算机视觉与模式识别
2018-03-16 v1
摘要
显著性预测是计算机视觉中一个被充分研究的问题。早期的显著性模型基于从神经科学与心理物理学获得的见解所导出的低级手工特征。在深度学习突破之后，提出了一批基于神经网络架构的新模型，在所有指标上允许比先前浅层模型显著更高的注视预测。然而，大多数模型将显著性预测视为一个回归问题，而高维数据的精确回归已知是一个困难问题。此外，中间水平的显著性（即既非很高也非很低）是否有意义并不明确：某物要么显著，要么不显著。基于这两点观察，我们将显著性预测问题重新表述为一个显著区域分割问题。我们证明该重新表述相比经典回归问题允许更快的收敛，同时性能可与最先进水平相媲美。我们还可视化了模型学到的通用特征，其被显示为与心理物理学的见解一致。
引用
@article{arxiv.1803.05759,
title = {Salient Region Segmentation},
author = {Sen He and Nicolas Pugeault},
journal= {arXiv preprint arXiv:1803.05759},
year = {2018}
}