什么是显著性物体检测?
显著性物体检测(Salient object detection ,SOD)旨在 区分视觉上最明显的区域 。 在数据驱动的深度学习方法的帮助下,它正在快速增长,并已应用于许多计算机视觉领域,例如 视觉跟踪,图像检索,非照片级渲染,4D显著性检测,无参考的合成图像质量评估等 。
显著性目标检测模型检测性能怎么样?
尽管现有的显著性目标检测模型检测性能不错,但是在显著性物体的边缘的检测上仍然不够准确,尤其是在前景和背景对比度低,背景复杂等等情况下。 基于此,众多研究者提出了自己的边缘强化方案,这些方案大致可以划分为两种:(1)通过引入外部知识库(即新的边缘数据集)的方法来强化模型在显著性目标边缘上的检测;(2)通过设计边缘敏感损失函数,来使模型更关注在边缘上的像素点的预测。
显著性检测模型应满足哪些标准?
提到一般认为,良好的显著性检测模型应至少满足以下三个标准:1)良好的检测:丢失实际显著区域的可能性以及将背景错误地标记为显著区域应该是低的;2)高分辨率:显著图应该具有高分辨率或全分辨率以准确定位突出物体并保留原始图像信息;3)计算效率:作为其他复杂过程的前端,这些模型应该快速检测显著区域。 (1)Itti等人提出的最早、经典的的显著模型。