程序员经验分享-hwhale

显著性检测论文阅读整理

2023-11-19

1. Visual Saliency Based on Multiscale Deep Features

1. 先对图像进行超像素分割
2. 多尺度特征提取，共分为三个尺度，超像素、超像素邻域、全局，超像素与超像素邻域均填充成矩形区域
3. 将三个尺度的矩形区域分别放入一个五层的卷积网络，得到三个尺度的特征向量
4. 将三个尺度的特征向量顺序拼接传入两层的全连接网络，计算得到当前超像素块的显著性值
5. 按照多个不同的等级进行多次分割，然后可以得到多个尺度的显著图，文章中用了15个不同的等级分割
6. 最后显著图中每个像素的显著值是多个等级的显著值的均值
6. 后处理。为了增强空间连续性，做了一定的平滑处理，也是使用最小代价函数的方式进行训练得出
  • 网络结构：

  • 已知问题
1. 耗时，对一张400x300的图像进行显著性检测需要8s
2. 复杂，需要对图片进行多个尺度的分割
3. 没有足够充分的保留全局特征，自身的特征向量是完全脱离全局特征得到的

CVPR2015

1. Saliency Detection by Multi-Context Deep Learning

1. 上下文取全局上下文和局部上下文，先使用SLIC超像素分割
2. 全局上下文以一个超像素为中心，包含整张图片，然后进行扩展，再降采样成227×227×3的图片
3. 局部上下文同样以该超像素为中心选全局上下文的三分之一大小，放缩成227×227×3
4. 分别放入五层卷积网络中进行计算中心超像素的显著性，最后将不同尺度上下文中的显著性进行融合
  • 网络结构

  • 已知问题
1. 重复处理，每次要对较大的图片区域处理，但是最终得到的只是中心超像素的显著性

2. Deep networks for saliency detection via Local Estimation and Global Search

1. DNN-L：是一个包含三层卷积层，三层全连接层的深度网络
2. 滑动窗口裁剪51×51的图片区域，步长为10，标记和筛选后放入DNN-L进行局部估计
3. 细化（没细看）
4. DNN-G由6个全连接层组成。用来生成最终的显著图
  • 网络结构

  • 已知问题
1. 仍然存在大量的重复处理部分

3. Traditional Saliency Reloaded:A Good Old Model in New Shape

  • 原文链接：openaccess
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2015
  • 方法概要：传统方法

4. Saliency Detection via Cellular Automata

  • 原文链接：openaccess
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2015
  • 方法概要：元胞自动机

5. Encoding based Saliency Detection for Videos and Images

  • 原文链接：openaccess
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2015
  • 方法概要：

6. Saliency Propagation from Simple to Difficult

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2015
  • 方法概要：

7. Robust Saliency Detection via Regularized Random Walks Ranking

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2015
  • 方法概要：

8. Co-saliency Detection via Looking Deep and Wide

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2015
  • 方法概要：联合显著性

9. A Weighted Sparse Coding Framework for Saliency Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2015
  • 方法概要：

10. Salient Object Detection via Bootstrap Learning

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2015
  • 方法概要：

CVPR2016

1. A Deeper Look at Saliency:Feature Contrast, Semantics, and Beyond

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2016
  • 方法概要：综述性文章/理论研究

2. GraB: Visual Saliency via Novel Graph Model and Background Priors

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2016
  • 方法概要：传统方法/背景先验

3. Shallow and Deep Convolutional Networks for Saliency Prediction

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2016
  • 方法概要：视觉注视点预测、卷积网络

4. Deep Saliency with Encoded Low level Distance Map and High Level Features

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2016
  • 方法概要：

5. DHSNet: Deep Hierarchical Saliency Network for Salient Object Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2016
  • 方法概要：

6. Recurrent Attentional Networks for Saliency Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2016
  • 方法概要：

7. Saliency Unified: A Deep Architecture for simultaneous Eye Fixation Predictionand Salient Object Segmentation

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2016
  • 方向：视觉注视点与显著目标分割
  • 方法概要：

8. Real-Time Salient Object Detection with a Minimum Spanning Tree

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2016
  • 方向：
  • 方法概要：传统方法

9. Local Background Enclosure for RGB-D Salient Object Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2016
  • 方向：RGB-D图像
  • 方法概要：传统方法

 

CVPR2018

26. Progressive Attention Guided Recurrent Network for Salient Object Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：
  • 方法概要：

27. Salient Object Detection Driven by Fixation Prediction

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：
  • 方法概要：

28. A Bi-directional Message Passing Model for Salient Object Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：
  • 方法概要：

29. Progressively Complementarity-Aware Fusion Network for RGB-D Salient Object Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：
  • 方法概要：

30. Revisiting Salient Object Detection! Simultaneous Detection, Ranking, and Subitizing of Multiple Salient Objects

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：
  • 方法概要：

31. Flow Guided Recurrent Neural Encoder for Video Salient Object Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：视频显著性
  • 方法概要：

32. PiCANet: Learning Pixel-wise Contextual Attention for Saliency Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：
  • 方法概要：

33. Detect Globally, Refine Locally: A Novel Approach to Saliency Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：
  • 方法概要：

34. Revisiting Video Saliency: A Large-scale Benchmark and a New Model

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：视频显著性
  • 方法概要：

35. Deep Unsupervised Saliency Detection: A Multiple Noisy Labeling Perspective

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：
  • 方法概要：

36. Going from Image to Video Saliency: Augmenting Image Salience with DynamicAttentional Push

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：CVPR2018
  • 方向：
  • 方法概要：

CVPR2019

https://blog.csdn.net/sheng4204/article/details/108963780

ICCV2015

1. Generic Promotion of Diffusion-Based Salient Object Detection

2. HARF: Hierarchy-associated Rich Features for Salient Object Detection

3. Minimum Barrier Salient Object Detection at 80 FPS

4. A Data-driven Metric for Comprehensive Evaluation of Saliency Models

  • 视觉注视点

5. SALICON: Reducing the Semantic Gap in Saliency Prediction by Adapting Deep Neural Networks

6. A Self-paced Multiple-instance Learning Framework for Co-saliency Detection

7. Learning to Predict Saliency on Face Images

  • 脸部的视觉注视点

 

ICCV2017

1. Learning Uncertain Convolutional Features for Accurate Saliency Detection

2. Learning Gaze Transitions from Depth to Improve Video Saliency Estimation

3. Saliency Pattern Detection by Ranking Structured Trees

4. Generalized orderless pooling performs implicit salient matching

5. Amulet: Aggregating Multi-level Convolutional Features for Salient Object Detection

6. Look, Perceive and Segment: Finding the Salient Objects in Images via Two-stream Fixation-Semantic CNNs

7. Delving into Salient Object Subitizing and Detection

8. Supervision by Fusion: Towards Unsupervised Learning of Deep Salient Object Detector

9. A Stagewise Refinement Model for Detecting Salient Objects in Images

 

ICCV2019

1.Employing Deep Part-Object Relationships for Salient Object Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：ICCV2019
  • 方向：
  • 方法概要：

2. Structured Modeling of Joint Deep Feature and Prediction Refinement for Salient Object Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：ICCV2019
  • 方向：
  • 方法概要：

3. Selectivity or Invariance: Boundary-aware Salient Object Detection

  • 原文链接：
  • 翻译：
  • 题目：
  • 作者：
  • 发表：ICCV2019
  • 方向：
  • 方法概要：

4. Towards High-Resolution Salient Object Detection

5.  Stacked Cross Refinement Network for Edge-Aware Salient Object Detection

6. Motion Guided Attention for Video Salient Object Detection

7. Semi-Supervised Video Salient Object Detection Using Pseudo-Labels

8. EGNet: Edge Guidance Network for Salient Object Detection

9. Optimizing the F-measure for Threshold-free Salient Object Detection

10. PointCloud Saliency Maps

11. Deep Learning for Light Field Saliency Detection

12. TASED-Net: Temporally-Aggregating Spatial Encoder-Decoder Network for Video Saliency Detection

13. Joint Learning of Saliency Detection and Weakly Supervised Semantic Segmentation

14. Depth-induced Multi-scale Recurrent Attention Network for Saliency Detection

  • 方向：RGB-D

 

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

显著性检测

深度学习

简述

显著性检测论文阅读整理 的相关文章

  • 安装12.04lts的两个问题总结

    因为在win7下有很多bug 老师叫我用Linux来完成项目的最后一步 啊啊啊 之前一直是在虚拟机里面搞 安装Ubuntu的过程中遇到了好多个问题 好吧好吧 下面总结一下 让遇到同样问题的朋友少走点弯路吧 1 分区问题 建立 主分区 之后

  • 数据操作之-dataframe常见操作：取行、列、切片、统计特征值

    import numpy as np import pandas as pd from pandas import from numpy import data DataFrame np arange 16 reshape 4 4 inde

  • Spring Boot 学习研究笔记(十八) 添加log4j2日志文件

    Spring Boot 添加log4j2日志文件 对于一个线上程序或者服务而言 重要的是要有日志输出 这样才能方便运维 而日志的输出需要有一定的规划 如日志命名 日志大小 日志分割的文件个数等 在SpringBoot的框架下 会使用log4

  • 栈头文件C语言

    Stack ADT h 栈模型头文件 数据类型定义 typedef char Name typedef struct stack node Name name struct stack node next Stack Node typede

随机推荐

  • GD32450i-EVAL学习笔记 6 - ADC

    目录 1 初始化ADC 1 1 使能RCU 1 2 设置频率 1 3 设置分辨率 1 4 设置数据对齐方式 1 5 使能扫描模式 1 6 设置触发模式 1 6 使能ADC 2 初始化通道规则 3 通道使能 4 软件触发使能 5 获取ADC的

  • C#List类容输出

    将集合中的类容 添加间隔符号后 输出为string List

  • vue之babel自动埋点

    公司项目是vue单页面技术 这天组长对我说 为了凸显我们的作用 做点外行或者新手看起来高深的东西 例如自动埋点 当时我的表情先是 然后摸鱼摸习惯了 就是这种状态 最后组长说领导的态度决定我们的绩效 没办法 为了money 无奈打开了老朋友

  • nacos集群部署遇到的问题总结

    问题一 内存不足 问题描述 nacos is starting with cluster Error occurred during initialization of VM Could not reserve enough space f

  • Eclipse android apk打包

    Eclipse android 开发更改apk名字 有以下几步 第一步 修改工程包名 在eclipse里 找到项目包和java包 原则上都一样 就可以按 F2 修改名字 随之 源 java也会得到相应的修改 然而每个 java文件都需要把如

  • Fortify 代码扫描安装使用教程

    前言 Fortify 能够提供静态和动态应用程序安全测试技术 以及运行时应用程序监控和保护功能 为实现高效安全监测 Fortify具有源代码安全分析 可精准定位漏洞产生的路径 以及具有1分钟1万行的扫描速度 Fortify SCA 支持丰富

  • 现在投资创客教育

    很多人会问创客要不要投资 就像吃西红柿鸡蛋面要不要用刀叉一样 你当然可以用 也可以用筷子 格物斯坦表示如果没有筷子 喜欢用手抓着吃也是可以的啊 投资人是路径的一种 不是唯一 更不是全部 投资创客教育是教育培训行业比较热门的话题 该行业未来是

  • Python基础语法学习之变量与赋值

    近几年Python飞速发展 开始学习Python的人群不在仅仅局限于编程开发者 许多其他行业的从业者也开始将Python作为自己的职业技能 本文仍然是针对零基础的初学者 继续学习Python的基础语法 变量与赋值 主要内容包括变量和赋值的概

  • el-checkbox-group限制勾选数量

  • 代理模式：静态代理和动态代理

    代理模式 代理对象增强对目标对象的功能 分类 静态代理 动态代理 jdk代理通过实现接口 cglib通过实现类实现 静态代理 JDK动态代理 CGLIB代理模式 通过回调拦截器方法实现代理对象的生成

  • 【计算机视觉】直接线性变换（DLT）求解P矩阵（2 使用SVD分解）（附MATLAB代码）

    引言 之前的帖子已经完成了一种计算直接线性变换的方法 是直接通过矩阵运算来进行的 不过随后得到的结果并不能满足精度要求 如果只是用来作为迭代优化的一个初值的话 对于精度的要求倒也不用那么高 但在查阅资料时又发现了另一种解法 是通过SVD分解

  • DataFrame对象创建

    文章目录 前言 一 创建DataFrame对象 二 使用步骤 前言 一 创建DataFrame对象 示例 将字典 年龄 23 22 21 岗位 客服 运营 公关 年购买量 10 15 8 转换成一个DataFrame对象 二 使用步骤 代码

  • 搭建主数据管理平台，解决多个系统数据不统一的问题

    如今的电子产业环境要求电子制造商必须能对产业中的各种变化做出迅速的反应 而这些变化产生了前所未有的大量数据 包括来自产品类别增加 供应中断和需求波动以及其它因素等多方面的数据 这些数据以多种格式存在于各种系统之中 虽然 企业为管理它们花费了

  • FastAPI准备之pydantic类型检查工具

    官方文档 https pydantic docs helpmanual io 这些组织都在用 Jupyter notebook FastAPI Amazon Web Services Uber Microsoft 优势 可以和IDE结合 可

  • hbase与spark笔试题（选择题）

    转自 https www cnblogs com cxzdy p 5388451 html http www bigdatastudy net show aspx id 175 cid 14 一 HBASE笔试题 HBase来源于哪篇博文

  • CVS命令深入研究 zz

    CVS命令深入研究 作者 leizhimin 日期 2006 11 2 环境 Windows server 2003 sp1简体中文版 cvsnt 2 5 03 2260 msi 目录 一 CVS命令整体结构 二 CVS帮助察看方法概述 三

  • 浅谈我所见识的数据治理项目

    开篇一张图 与正文不一定有关 图片来源于朋友圈 01 写在前面 熟悉笔者的朋友可能知道 笔者之前做的并非纯数据相关工作 产品或项目 笔者属于半路出家的数据人 之前也几乎没有直接接触过数据仓库 数据中台 数据平台等产品或项目 与数据库是一直打

  • 大数据Mapreduce编程——矩阵乘法

    编程要求 完成矩阵乘法的 Map 函数和 Reduce 函数 1 设计两个矩阵 3050 50100 在每个单元格中填入一个 0 99 的随机数 并写入 两个文件中 作为 Map 函数的输入 2 测试运行矩阵乘法的 MapReduce 框架

  • Emoji表情符号用于文本情感分析-Improving sentiment analysis accuracy with emoji embedding

    Abstract Due to the diversity and variability of Chinese syntax and semantics accurately identifying and distinguishing

  • 显著性检测论文阅读整理

    1 Visual Saliency Based on Multiscale Deep Features 原文链接 https arxiv org pdf 1503 08663 pdf 翻译 https blog csdn net weixi

热门标签