關于自底向上的顯著性方法的綜述(參考版)
2024-07-29 09:47本頁面
【正文】 在未來工作中，我們希望能夠研究包含空間關系且保留詳細細節(jié)的全局顯著性圖像的高效計算算法，并且希望研究能夠處理具有復雜紋理背景圖像的檢測算法 ? 另外，我們還希望在顯著性檢測過程中增加一些特征，比如人臉，對稱性等，進一步增加檢測算法的魯棒性 . 謝謝！ 報告人：姓 名 2022年 XX月 XX日 。 ? 其中，我們設置 ，得到的查準率(precision)和查全率 (recall)以及 F指標如表 1所示 r e c a l lp r e c i s i o nr e c a l lp r e c i s i o nF?????22 )1(??? ??實驗結(jié)果與分析 算法 /指標 precision recall Fmeasure Itti AIM GBVS FTS SR PQFT SDSR SUN GCS（ RC） PBS 結(jié)束語 結(jié)束語 ? 從上述 10類自底向上的顯著性檢測模型中，所有算法都容易受到背景中噪聲的影響。 ? 將所有方法都在 1000張圖片上進行計算得到顯著圖。 ip}),(1e x p {11?????Nkkii qpityd is s im il a rNSN 實驗結(jié)果與分析 實驗結(jié)果與分析 ? 我們在 Achanta等人提供的公開測試數(shù)據(jù)集上面測試了上述所有方法。 ],[ 21 LxxxX ?????Liixx1],[? 21 xxxxxxX L ???? ?2/)??( LXXA T?TduuuU ],[ 21 ?? Ld?PBS模型 ? 給定圖像片 和 ，它們之間的不一致性為： 其中， 為絕對值函數(shù)。對圖像片矩陣 ，計算 ? 對應的協(xié)方差矩陣為： ? 對 A進行特征值分解，選擇前 d個最大特征值對應的特征向量 。圖像片的總數(shù)為 。 ? 下面介紹 PBS算法的一般步驟 –對于維數(shù)為 的圖像 ，將其分解為一系列大小為 的圖像片。 kr???ik rrikrik rrDrwrS ),()()()( irw ir ),( ??rD1r 2r),(),(),(),( ,2,11 121211 2jininjr ccDjcficfrrD ? ?? ??),( icf k ikc, kr knGCS模型 ? 為了增加區(qū)域的空間影響效果，基于空間加權區(qū)域?qū)Ρ榷鹊娘@著性定義為： ? 為區(qū)域 和 的空間距離， 控制空間權值強度。對每一個區(qū)域 ，通過測量它與圖像其他區(qū)域的顏色對比度來計算它的顯著值 ? 為區(qū)域 的權值， 為兩個區(qū)域的顏色距離度量。如果忽略空間關系，使得具有相同顏色的像素歸到一起，得到每一個顏色的顯著性值 IkI????IIikkiIIDIS ),()(),( ik IID????Njjljlk ccDfcSIS1),()()(GCS模型 ? 為了加入空間關系，首先利用基于圖的圖像分割方法將輸入圖像分割成若干
職業(yè)教育相關推薦
鄂ICP備17016276號-1