浅谈显著性检测!真的很浅
序言:写一些关于显著性检测的归纳与理解,重在归纳与分享。本文主要探讨bottom up模型,Top down模型研究较少,且难以解释。若有纰漏,欢迎读者批评指正!
1.概述
这里主要探讨bottom up模型
显著性最初起源于Itti1998年的论文,始于人类的视觉系统,此后Itti变体衍生出了许多工作。这一类主要在于若干种特征,如颜色、亮度、方向子特征图
,并基于中央周边操作
实现局部的对比度,最后加权融合(存在黑点)。BU被广泛认可。
侯晓迪基于频域分析,写出了短短的11行代码,开创了变换分析
实现显著性的先河。然而我认为这一系列方法均缺少可解释性,显著性由数值上的少数决定。
我认为此后,有一类纯粹基于统计构造的数学模型,如LC(这个现在看来水的不行),如洛桑联邦理工软对的AC算法、南开程明明团队的HC\RC,甚至基于主成分分析PCA的方法,多层级的HS算法,这些我的理解是以(多尺度)局部(颜色)对比度、全局(颜色)对比度
甚至引入了空间约束项
来构造模型,显然不够全面,使用范围肯定有限。稀疏采样核密度估计FES方法。再往后,大连理工团队卢湖川团队以SLIC超像素分割
、图论
、贝叶斯模型
、流形排序MR
、马尔科夫链
甚至条件随机场CRF
等为工具的方法,这类方法同样是基于若干个特征来构造模型,这类方法数学工具很强大,能取得比较好的效果。还有以低秩矩阵分解SMD和SF为代表的的纯数学方法。但到头说来,无论如何,这类方法的生物可解释性很弱。
说到生物可解释性,目前我理解有两类角度。一类是Itti模型,以多特征通道,如宽谐波LMSY I
、RG BY拮抗通道
以及中央周边操作
为生物上的解释点。另外一类是以AIM、SUN算法为代表,这类以稀疏编码SparseCoding
、主成分分析ICA
、高斯差分滤波核DoG
为工具;这类方法的分析基础是概率论或信息论,以贝叶斯模型推导为基础。基于稀疏编码需要以前景和背景字典进行训练,以重建误差进行表达,有的也用来做Top down显著性,感觉可扩展可适用性很强,但是入门难度较高。显然,两者虽然可生物学解释,但绝对不够全面,毕竟缺少空间约束,无法实现精准的检测。性能什么的和超像素的方法比不了。
最后,就是基于ML和DL的方法了,生物解释太复杂,干脆黑箱不解释得了。ML方法里最杰出的工作当属DRFI,基于多特征,分类训练吧大概,性能着实不错。此后有一列基于全卷积神经网络FCN的方法,这也是目前刷榜的主流方法。
总而言之,我的理解里大概可以分为:
Itti模型及延伸
Itti\GBVS基于变换分析
SR\PFT\PQFT
DSR\基于统计与数学
简单统计:LC\FT\AC\HC\RC;HS;SS\COV
高阶数学工具:MR\BL\GS\PCA等;
纯数学模型:SF、SMD等基于信息论
AIM、SUN基于机器学习或深度学习
DRFI、DL方法不做引出
2.杰出研究团队归纳
Itti团队
代表作者:Itti Koch;侯晓迪
代表作及延伸作品:Itti,GBVS,SR,ICL瑞士洛桑联邦理工ILRL小组
代表作者:Achanta
代表作:FT、AC、MSSS、FASA南开大学 程明明教授团队
代表作者:程明明,范登平
代表作:HC、RC、大连理工大学 卢湖川团队
代表作者:卢湖川王文冠
浅谈显著性检测!真的很浅相关推荐
- 科普 | 浅谈基因检测
"那开始了吧!" "首先,直奔主题. 什么是基因检测? 基因检测是一种医学检测,即检测你的基因型或者基因是有没有发生异常. Over!" "完了?&q ...
- 浅学一下PPT吧 —— 真的很浅
浅学一下PPT吧 -- 真的很浅 背景内容 详情摘要 工具介绍 工具使用 常见设置 Office背景 Office主题 无限撤回 自动保存 图片压缩 字体嵌入 多格式导出 PPT界面 大小背景 文字段 ...
- 浅谈计算机硬件维护 论文,论文浅谈计算机硬件维护.pdf
论文浅谈计算机硬件维护,计算机硬件维护论文,浅谈计算机网络论文,计算机硬件论文,计算机硬件毕业论文,计算机硬件技术论文,浅谈会计职业道德论文,浅谈幼儿教育论文,浅谈安全管理论文,浅谈企业文化论文 第 ...
- 浅谈目标检测中的特征冲突与不对齐问题
点击上方"AI算法修炼营",选择加星标或"置顶" 标题以下,全是干货 作者:黄飘 知乎链接:https://zhuanlan.zhihu.com/p/11470 ...
- 异常检测之浅谈入侵检测
打开微信扫一扫,关注微信公众号[数据与算法联盟] 转载请注明出处:http://blog.csdn.net/gamer_gyt 博主微博:http://weibo.com/234654758 Gith ...
- 浅谈入侵检测技术4(snort简介)
1.Snort简介 Snort是一个用C语言编写的开放源代码软件,符合GPL(GNU General Public License)的要求. Snort的官方网站称Snort是一个跨平台.轻量级的网络 ...
- 浅谈目标检测RCNN,SPPNET,Fast-RCNN,Faster-RCNN
RCNN 目标检测-R-CNN模型 ●CVPR 2014 ●候选区域方法(region proposal method) :提供了额物体检测的一个重要思路 ●RCNN步骤: .1.对于一张图片,找出默 ...
- 浅谈智能计算机的未来发展,浅谈计算机人工智能科学技术应用及发展
计算机人工智能技术属于一种现代化科学技术,并且也是比较先进的一种技术,其属于计算机技术与人工智能技术的有效结合.在当前社会发展形势下,社会越来越多的领域对于计算机人工智能技术也有着越来越大的需求,因而 ...
- 浅谈计算机教学论文,毕业论文--浅谈计算机教学的有效性
学"的概念,我们也必须正确理解.到底什么是"有效"呢?所谓"有效",主要是指通过教师在一段时间的教学之后,学生所获得的具体的进步或发展,是以结果为导向 ...
- 智能车浅谈——抗干扰技术软件篇
文章目录 软件抗干扰技术 数字信号的抗干扰措施 数字输入信号软件抗干扰措施 数字输出信号软件抗干扰措施 数字滤波 算术平均值滤波 中值滤波 滑动平均滤波 归一化 差比和 CPU及程序的抗干扰措施 复位 ...
最新文章
- 重磅发布!Google语义分割新数据集来啦!又一个分割SOTA模型
- application.xml定时
- 【职场】税前110万
- SparkSQL愿景
- Jmock 原理简单说明
- [渝粤教育] 中国地质大学 操作系统原理(新) 复习题
- JavaScript中的位置协议属性
- java对象引用出错_上传图片错误:尝试在空对象引用上调用虚拟方法’java.lang.String android.net.Uri.getLastPathSegment()’...
- Android热更新开源项目Tinker集成实践总结
- 求你了,别再随便打日志了,教你动态修改日志级别!
- html保存导入word文档格式,WordPress网站在导入Word文档时如何保持原有格式
- (28)状态机概述(第6天)
- Objective-C原理系列(一)
- 2.魔改xposed修改和重编译生产可用zip
- samba服务器无法映射,ubuntu映射网络驱动器失败,以及samba服务
- 微信表白神秘代码!快发给ta!
- 【打卡算法】 26、删除有序数组中的重复项 算法解析
- 公开课:拉筹伯大学:新闻人的网络编辑和发布
- 用vba复制模板,并根据指定的列形成多个sheet重命名
- 如何把EAN13码外观设置和code128码一样
热门文章
- 怎么用计算机sinB=0.67,三角函数练习题(附详细解答过程)
- 威刚SU600固态硬盘不识别通电无反应慧荣SM系列主控数据恢复![图]
- MyBatisPlus中的TypeHandler
- 一亿融资在一家芯片初创公司可以烧多久?
- 大众与以色列前情报头子组建网络安全公司
- java 农历公历转换_JAVA版农历和阳历相互转换源码
- Openssl(版本1.1.1)源码中的RSA加解密算法实现分析
- 如何获取到电脑所连接Wifi的密码
- 当心Excel中的嵌套IF公式
- 今日分享:几个好用的文字转语音软件,来看看吧