协同视觉显著性检测方法综述

被引：10

作者：

钱晓亮 ^{[1
]}

白臻 ^{[1
]}

陈渊 ^{[1
]}

张鼎文 ^{[2
]}

史坤峰 ^{[1
]}

王芳 ^{[1
]}

吴青娥 ^{[1
]}

毋媛媛 ^{[1
]}

王慰 ^{[1
]}

机构：

[1] 郑州轻工业学院电气信息工程学院

[2] 西安电子科技大学机电工程学院

来源：

电子学报 | 2019年 / 47卷 / 06期

关键词：

视觉注意力; 协同视觉显著性; 特征提取策略; 手工特征; 浅层学习特征; 深度学习特征;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

协同视觉显著性检测是视觉注意力计算领域中一个快速发展的新兴分支,致力于检测多幅相关场景图像中的公共显著目标,在各种计算机视觉任务中有广泛应用.考虑到特征提取策略的设计是协同视觉显著性检测当前研究的重点,本文首先根据特征提取策略的不同对现有的协同视觉显著检测方法进行了分类介绍和定性分析.其次,通过在5个公开数据库上的主观和定量对比,对各流行算法的性能进行了评估,分析了特征提取策略对算法性能的影响以及各数据库的复杂度,并验证了协同视觉显著性检测和视觉显著性检测的区别.最后,对本文工作进行了总结,并对当前研究中存在的问题和未来的研究工作进行了讨论.

引用

页码：1352 / 1365

页数：14

共 9 条

[1] 基于全卷积网络的语义显著性区域检测方法研究
郑云飞
张雄伟
曹铁勇
孙蒙
[J]. 电子学报, 2017, 45 (11) : 2593 - 2601
[2] 多层融合深度局部PCA子空间稀疏优化特征提取模型
胡正平
陈俊岭
[J]. 电子学报, 2017, 45 (10) : 2383 - 2389
[3] 基于兴趣区域深度神经网络的静态面部表情识别
孙晓
潘汀
[J]. 电子学报, 2017, 45 (05) : 1189 - 1197
[4] 基于卷积神经网络和监督核哈希的图像检索方法
柯圣财
赵永威
李弼程
彭天强
[J]. 电子学报, 2017, 45 (01) : 157 - 163
[5] 一种基于加权稀疏编码的频域视觉显著性检测算法
钱晓亮
郭雷
韩军伟
程塨
姚西文
[J]. 电子学报, 2013, 41 (06) : 1159 - 1165
[6] Beyond pixels: A comprehensive survey from bottom-up to semantic image segmentation and cosegmentation[J] . Hongyuan Zhu,Fanman Meng,Jianfei Cai,Shijian Lu.Journal of Visual Communication and Image Represe . 2016
[7] Puzzle-like Collage
Goferman, Stas
Tal, Ayellet
Zelnik-Manor, Lihi
[J]. COMPUTER GRAPHICS FORUM, 2010, 29 (02) : 459 - 468
[8] Sparse coding with an overcomplete basis set: A strategy employed by V1?[J] . Bruno A. Olshausen,David J. Field.Vision Research . 1997 (23)
[9] Salient object detection via bootstrap learning .2 TONG Na,LU Hu-chuan,RUAN Xiang,et al. Proceedings of 2015 IEEE Conference on Computer Vision and Pattern Recognition . 2015

← 1 →