显著性物体检测与分割
http://valse.mmcheng.net/salobj/
显著性物体检测与分割
- 活动时间:2014年9月4日星期4,北京时间20:00开始。
- 主持人:山世光
- 主讲人:卢湖川,李寅,程明明,等
- 专题题目:显著性物体检测与分割
1. 相关文献阅读
- Salient Object Detection: A survey. Ali Borji, Ming-Ming Cheng, Huaizu Jiang, Jia Li. Techniqual report. [pdf]
- Global Contrast based Salient Region Detection. Ming-Ming Cheng, Niloy J. Mitra, Xiaolei Huang, Philip H. S. Torr, Shi-Min Hu. IEEE TPAMI, 2014. [pdf] [Project page, code, data] [Bib]
- Salient Object Detection: A Discriminative Regional Feature Integration Approach, Huaizu jiang, Jingdong Wang, Zejian Yuan, Yang Wu, Nanning Zheng, Shipeng Li, in CVPR, 2013.
- Chuan Yang, Lihe Zhang, Huchuan Lu, Minghsuan Yang, Saliency Detection via Graph-Based Manifold Ranking, CVPR2013,P3166-3173 [PDF] [C++ Code][CODE]
- Yin Li, Xiaodi Hou, Christof Koch, James M. Rehg, Alan L. Yuille. The Secrets of Salient Object Segmentation, CVPR 2014.
2. 讲座资料
- 卢湖川老师PPT:基于稠密和稀疏重构的图像显著性检测算法
- 李寅PPT:显著物体分割-探秘与思考
- 程明明PPT:视觉显著性物体检测
3. 代码数据下载
- C++: “Global Contrast based Salient Region Detection“, IEEE TPAMI 2014. [FAQs] [Bib]
- PASCAL-S 数据集 The Secrets of Salient Object Segmentation, CVPR 2014
- Saliency Detection via Dense and Sparse Reconstruction, ICCV2013, [PDF][CODE][Project site]
社交帐号登录:
- 微信
- 微博
- 人人
- 更多»
- 24条评论
- 可泽
- 无数白兰瓜2014年9月4日1Level显著性分割主流算法的时间效率是什么情况?有没有ms级别且效果不错的算法?
http://vision.sysu.edu.cn/project/PISA/ 给出了图像显著物体检测的源代码(在六个公共数据集上:效果好的state-of-arts中速度最快,速度快的state-of-arts中效果最好),发表于IEEE T IMAGE PROCESS 2015。 此外,还给出了一个以淘宝商品为显著物体的数据集,不同于目前所有的自然场景数据集,可作为新的评测标准。
2015年7月22日ReplySupportForward - 高广帅
- 高广帅2015年6月9日1Level卢老师,您那个关于稠密和稀疏重构的图像显著性检测算法的代码怎么找不到相关的页面啊?您可以给一份吗?我想参考一下,谢谢了
- sun2015年6月11日2Level请到我的主页上直接下载即可: http://202.118.75.4/lu/publications.html
好的,已下过,谢谢老师了!
2015年6月12日ReplySupportForward - sun
- 高广帅2015年6月9日1Level卢老师,您那个关于稠密和稀疏重构的图像显著性检测算法的代码怎么找不到相关的页面啊?您可以给一份吗?我想参考一下,谢谢了
请到我的主页上直接下载即可: http://202.118.75.4/lu/publications.html
2015年6月11日ReplySupportForward - 高广帅
卢老师,您那个关于稠密和稀疏重构的图像显著性检测算法的代码怎么找不到相关的页面啊?您可以给一份吗?我想参考一下,谢谢了
2015年6月9日ReplySupportForward - 程明明
- 田虎2014年9月5日1Level一般的物体检测与显著性物体检测的最重要的区别是在哪里呢?如果说一般性的物体检测做的很好的情况下,比如说场景中的大部分object都能给框出来并且能给定label,(看着今年ILSVRC2014上的object dection的的MAP都刷的很高),那么显著性物体检测是不是就没有没有那么重要了呢?
一方面,不是图像中所有物体都是“显著的”。另一方面,从应用的角度讲,很多显著性物体检测算法不需要对每一种待检测类别label大量的数据做training,在很多应用中更衣用。
2014年9月9日ReplySupportForward - fenghoujianyi
- 田虎2014年9月5日1Level一般的物体检测与显著性物体检测的最重要的区别是在哪里呢?如果说一般性的物体检测做的很好的情况下,比如说场景中的大部分object都能给框出来并且能给定label,(看着今年ILSVRC2014上的object dection的的MAP都刷的很高),那么显著性物体检测是不是就没有没有那么重要了呢?
- 还有1条评论
- 田虎2014年9月5日3Level我说的不是指objectness这个方法,是指的显著性物体检测这个问题。我是想说为什么要突出显著性这个问题呢?如果常规的物体检测能解决的很好话,似乎显著不显著就没那么重要了?
实际,我意思是objectness是利用或者借鉴了salient object detection的思想的, 也可以算一类性质的pre-processing的方法。比如,最开始的what is an object, 基本就是利用saliency的一些prior。 再比如,object肯定要和周围有个强对比度和封闭的强边缘,而这也是saliency最基本和常用的定义,也就是说saliency和objectness基本相通, 只不过目前saliency的算法,对多目标效果一般,而这是objectness要解决的。当然,一个图像中的多个object有显著强弱的区别,如果涉及到具体应用这个还是有用的,比如depth的估计,或者auto focus,需要对一个最关注的目标(如人物照片的人)进行突出,其他区域都进行blur
2014年9月5日ReplySupportForward - 田虎
- 田虎2014年9月5日1Level一般的物体检测与显著性物体检测的最重要的区别是在哪里呢?如果说一般性的物体检测做的很好的情况下,比如说场景中的大部分object都能给框出来并且能给定label,(看着今年ILSVRC2014上的object dection的的MAP都刷的很高),那么显著性物体检测是不是就没有没有那么重要了呢?
- fenghoujianyi2014年9月5日2Level今年在imagenet上的算法,大多数采用object proposal(objectness)加速,实际上objectness和以前的boosting算法检测人脸之类的有类似之处。boosting检测人脸一般最开始的week classifier也是根据一些十分简单的feature,过滤掉大多数明显不是人脸的区域,后边的classifier选择的特征越来越复杂,时间复杂度也就高了,但是windows已经过滤到很少了。现在objectness一个道理,就是利用简单的方法,过滤掉明显不是目标的区域
我说的不是指objectness这个方法,是指的显著性物体检测这个问题。我是想说为什么要突出显著性这个问题呢?如果常规的物体检测能解决的很好话,似乎显著不显著就没那么重要了?
2014年9月5日ReplySupportForward - fenghoujianyi
- 田虎2014年9月5日1Level一般的物体检测与显著性物体检测的最重要的区别是在哪里呢?如果说一般性的物体检测做的很好的情况下,比如说场景中的大部分object都能给框出来并且能给定label,(看着今年ILSVRC2014上的object dection的的MAP都刷的很高),那么显著性物体检测是不是就没有没有那么重要了呢?
今年在imagenet上的算法,大多数采用object proposal(objectness)加速,实际上objectness和以前的boosting算法检测人脸之类的有类似之处。boosting检测人脸一般最开始的week classifier也是根据一些十分简单的feature,过滤掉大多数明显不是人脸的区域,后边的classifier选择的特征越来越复杂,时间复杂度也就高了,但是windows已经过滤到很少了。现在objectness一个道理,就是利用简单的方法,过滤掉明显不是目标的区域
2014年9月5日ReplySupportForward - 田虎
一般的物体检测与显著性物体检测的最重要的区别是在哪里呢?如果说一般性的物体检测做的很好的情况下,比如说场景中的大部分object都能给框出来并且能给定label,(看着今年ILSVRC2014上的object dection的的MAP都刷的很高),那么显著性物体检测是不是就没有没有那么重要了呢?
2014年9月5日ReplySupportForward - 无数白兰瓜
- 无数白兰瓜2014年9月4日1Level显著性分割主流算法的时间效率是什么情况?有没有ms级别且效果不错的算法?
- 还有2条评论
- 程明明2014年9月4日4Level算法的耗时很多并不与像素数呈线性关系,有些随着像素数增加耗时增加会多于线性
thx
2014年9月5日ReplySupportForward - 无名六号yyy
- 无名六号yyy2014年9月4日1Level卢老师,我觉得稀疏重构做显著性的时候会出现对前景噪声很敏感,这不是稀疏表达的问题,而是用于表达的字典的问题,如果直接用图像边界的超像素做了字典,确实会出现这种现象,但是要是对他们进行字典学习,可能就解决这个问题了,也许就能够一步完成sparse和dense重构的效果。
- 卢 湖川2014年9月4日2Level我们之后做了一个工作,就是学习了一下sparse 的字典,结果好了很多。说明字典学习确实能提高性能。
哈哈,已经发表了吗?
2014年9月4日ReplySupportForward - 程明明
- wsz@ICT-VIPL2014年9月4日1Level程老师,问下您提到的CVPR 2012那篇特别值得一看的论文是哪篇?就是用显著性检测的结果来训练分类器的,如果我没有听错的话。
CVPR 2012 屠卓文老师组的文章:http://jiajunwu.com/projects/bmcl.html
2014年9月4日ReplySupportForward - 贾旭kul_visics
- wsz@ICT-VIPL2014年9月4日1Level程老师,问下您提到的CVPR 2012那篇特别值得一看的论文是哪篇?就是用显著性检测的结果来训练分类器的,如果我没有听错的话。
- 还有1条评论
- wsz@ICT-VIPL2014年9月4日3Level那输入给分类器的是原来的整张图像还是局部区域?之后分类器是对于新的图像或区域,然后预测其中的每一个像素的显著性值吗?具体的论文标题是什么?
输入给分类器的是bounding box,是利用显著性目标检测的结果。unsupervised object class discovery via saliency-guided multiple class learning, cvpr 2012
2014年9月4日ReplySupportForward - 程明明
- 无数白兰瓜2014年9月4日1Level显著性分割主流算法的时间效率是什么情况?有没有ms级别且效果不错的算法?
- 还有1条评论
- 无数白兰瓜2014年9月4日3Level好的。那显著性检测算法的耗时一般是和像素数量呈线性关系吗?
算法的耗时很多并不与像素数呈线性关系,有些随着像素数增加耗时增加会多于线性
2014年9月4日ReplySupportForward - wsz@ICT-VIPL
- wsz@ICT-VIPL2014年9月4日1Level程老师,问下您提到的CVPR 2012那篇特别值得一看的论文是哪篇?就是用显著性检测的结果来训练分类器的,如果我没有听错的话。
- 贾旭kul_visics2014年9月4日2Level那篇文章是将显著性检测结果高的区域看做正样本,低的看做负样本,用来训练检测器
那输入给分类器的是原来的整张图像还是局部区域?之后分类器是对于新的图像或区域,然后预测其中的每一个像素的显著性值吗?具体的论文标题是什么?
2014年9月4日ReplySupportForward - 贾旭kul_visics
- wsz@ICT-VIPL2014年9月4日1Level程老师,问下您提到的CVPR 2012那篇特别值得一看的论文是哪篇?就是用显著性检测的结果来训练分类器的,如果我没有听错的话。
那篇文章是将显著性检测结果高的区域看做正样本,低的看做负样本,用来训练检测器
2014年9月4日ReplySupportForward - 卢 湖川
- 无名六号yyy2014年9月4日1Level卢老师,我觉得稀疏重构做显著性的时候会出现对前景噪声很敏感,这不是稀疏表达的问题,而是用于表达的字典的问题,如果直接用图像边界的超像素做了字典,确实会出现这种现象,但是要是对他们进行字典学习,可能就解决这个问题了,也许就能够一步完成sparse和dense重构的效果。
我们之后做了一个工作,就是学习了一下sparse 的字典,结果好了很多。说明字典学习确实能提高性能。
2014年9月4日ReplySupportForward - taoYocsef
- taoYocsef2014年9月4日1Level碰到一个问题,大量的视频,如何从中截取其中最佳的代表帧? 感觉与人脸,显著性区域检测,还有图像的清晰度评价有关。有谁能给个建议,图像的清晰度如何来评价呢? 有了显著区,怎样的是有代表的帧呢?
就是在一个视频中,选取最具代表的一帧,作为海报
2014年9月4日ReplySupportForward - taoYocsef
碰到一个问题,大量的视频,如何从中截取其中最佳的代表帧? 感觉与人脸,显著性区域检测,还有图像的清晰度评价有关。有谁能给个建议,图像的清晰度如何来评价呢? 有了显著区,怎样的是有代表的帧呢?
2014年9月4日ReplySupportForward - wsz@ICT-VIPL
程老师,问下您提到的CVPR 2012那篇特别值得一看的论文是哪篇?就是用显著性检测的结果来训练分类器的,如果我没有听错的话。
2014年9月4日ReplySupportForward - 无数白兰瓜
- 无数白兰瓜2014年9月4日1Level显著性分割主流算法的时间效率是什么情况?有没有ms级别且效果不错的算法?
- 程明明2014年9月4日2Level我们的survey中对现有方法做了评测,后续会放出来。快速算法也有不少,详见:http://mmcheng.net/salobjbenchmark/
好的。那显著性检测算法的耗时一般是和像素数量呈线性关系吗?
2014年9月4日ReplySupportForward - 无名六号yyy
卢老师,我觉得稀疏重构做显著性的时候会出现对前景噪声很敏感,这不是稀疏表达的问题,而是用于表达的字典的问题,如果直接用图像边界的超像素做了字典,确实会出现这种现象,但是要是对他们进行字典学习,可能就解决这个问题了,也许就能够一步完成sparse和dense重构的效果。
2014年9月4日ReplySupportForward - 程明明
- 无数白兰瓜2014年9月4日1Level显著性分割主流算法的时间效率是什么情况?有没有ms级别且效果不错的算法?
我们的survey中对现有方法做了评测,后续会放出来。快速算法也有不少,详见:http://mmcheng.net/salobjbenchmark/
2014年9月4日ReplySupportForward - 无数白兰瓜
显著性分割主流算法的时间效率是什么情况?有没有ms级别且效果不错的算法?
2014年9月4日ReplySupportForward
显著性物体检测与分割相关推荐
- 【Salient Object Detection】显著性物体检测资料汇总
显著性物体检测的一系列资料汇总 v1.0 研究小组&people 南开大学媒体计算, Salient object detection datasets,全面的方法总结评测+一系列此领域研究工 ...
- 【显著性物体检测】【ECCV2018】Reverse Attention for Salient Object Detection【论文笔记】
简介:在不怎么增加计算量的前提下,采用从粗到精的思想,由高级特征到低级特征,补全显著性检测的轮廓[最近很多都是基于这个思想].模型的速度与效果都占优.具体关注,是怎么实现特征的多级利用的. ECSSD ...
- 四维图新:高精度地图构建的实时物体检测和分割
四维图新在欧洲成立Advanced Research Lab,该实验室专家谈"高精度地图构建的实时物体检测和分割".
- U²-Net:使用显著性物体检测来生成真实的铅笔肖像画
作者:Synced 编译:ronghuaiyang 导读 感觉可以当成边缘检测来用. 铅笔素描肖像生成已出现作为Alberta大学的U²-Net的一个有趣和流行的新应用.自用于显著目标检测的新的深度网 ...
- 【项目实践】基于Mask R-CNN的道路物体检测与分割(从数据集制作到视频测试)...
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 1.内容概要 Mask R-CNN的框架是对Faster R-CNN的扩展,与BBox识别并行的增加一 ...
- CVPR | BASNet:边缘感知的显著性物体检测
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:作者:Jae Duk Seo | AI公园 编译:ro ...
- 显著性物体检测(salient object detection, SOD)代码汇总
IT方法:http://www.saliencytoolbox.net/ AIM方法:http://www-sop.inria.fr/members/Neil.Bruce/ IM方法:http://w ...
- 计算机视觉:图像分类、物体检测、图像语义分割、实例分割和全景分割
计算机视觉 图像分类 Image Classification 物体检测 Object Detection/ Object Localization 语义分割 Semantic Segmentatio ...
- 图像分类,物体检测,语义分割,实例分割等概念
图像分类 Image Classification The task of object classification requires binary labels indicating whethe ...
最新文章
- bzoj 4871: [Shoi2017]摧毁“树状图”
- 《信息可视化:交互设计(原书第2版)》——第2章基本概念
- window下Nodejs的部署
- Microsoft加入量子计算的竞争
- Daily Scrum 2012/12/09
- linux telnet.class,Linux telnet简单实用方法
- 非现场执法管理计算机(工业级),浅析非现场执法中存在问题的方法及对策
- Selenium自动化测试IE
- Halcon基于形状的几何定位函数说明
- Android模拟器无法启动
- mysql 执行时间有波动_阿里P8架构师谈mysql性能优化思路
- 学习 TList 类的实现[1]
- php ucenter单点登录,说说ucenter的单点登录
- 【题解】【AcWing】1564. 哈希
- 服务器修改不了分辨率,ubuntu不能设置高分辨率问题的解决方法
- 9种AR/VR交互方式解读,让你更加了解透彻AR/VR
- android 资源图片加密
- 三、Python学习(五)海龟模块turtle使用案列-西瓜切图
- 为什么我选择并且推崇用ROS开发机器人
- JavaScript随机生成字母、数字
热门文章
- RBM-MHC: A Semi-Supervised Machine-LearningMethod for Sample-Specific Prediction of AntigenPresent
- Python3.9全部73个内置函数说明
- [转]60个英文阅读网站强力推荐
- Exchange Server 2013邮箱记录管理MRM
- 只允许电脑连接指定WIFI
- mindmanager 2021许可密钥全新可视工作管理和思维导图软件
- Ubuntu配置清华源
- HOUDINI TIP | USING HOU MODULE IN VISUAL STUDIO CODE_手动在vscode里设置houdiniPython模块
- 中科蓝汛---长按3S进入语音助手功能实现
- Android初学------系统设置之设置输入法