zoukankan      html  css  js  c++  java
  • Region-based Saliency Detection and Its Application in Object Recognition笔记

    1. 本文实在10年的ACM MM会议论文的基础上进行扩展的
    2. 显著性计算过程:

    1. 用adaptive mean shift进行超像素分割
    2. 用平均颜色表示超像素
    3. 将超像素集合做为GMM的输入,得到K个cluster
    4. 计算每一个cluster的compatness,并作为cluster的显著性 (假设:背景区域很分散,而对象区域很集中。故cluster的空间分布越是紧密,越显著)
    5. 对每一个cluter进行PageRank(CVPR13有一篇论文就是采用的Manifolds Rank,具有一定的相似性)
    6. 计算最终的显著性,即超像素的显著性=sum(超像素属于cluster i的概率*cluster k的PageRank)

    3. 对象识别

    传统框架:Sparse Coding + SVM
    在学习字典的时候,目标函数中加入了显著性做为权重,但是对目标函数的优化方法不影响

  • 相关阅读:
    test
    c# cook book -Linq 关于Object的比较
    关于UnitOfWork
    autofac学习
    webapi 开启跨域支持
    httpclient通过post提交到webapi
    jQuery之元素查找
    jQuery之过滤元素
    jQuery之回到顶部
    jQuery之_元素滚动
  • 原文地址:https://www.cnblogs.com/qingliu411/p/3541458.html
Copyright © 2011-2022 走看看