saliency 文献综述

最新推荐文章于 2024-12-03 18:21:53 发布
原创 最新推荐文章于 2024-12-03 18:21:53 发布 · 1.2k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文综述了视觉注意力建模和视觉显著性预测领域的最新研究成果，包括量化人类与模型之间的视觉显著性一致性、状态与视觉注意力模型的现状、显著对象检测基准、以及视觉显著性预测评分、数据集和模型分析。

1. Borji, A., Sihite, D.N., Itti, L.: Quantitative analysis of human-model agreement

in visual saliency modeling: a comparative study. IEEE Trans. Image Processing
(2012)

 

2. Borji, A., Itti, L.: State-of-the-art in visual attention modeling. IEEE Trans. Pattern

Anal. Mach. Intell (2012)

 

3. Borji Ali. Salient Object Detection: A Benchmark, ECCV 2012

 

4. Riche, Nicolas, et al. "Saliency and Human Fixations: State-of-the-art and Study of Comparison Metrics." Proceedings of the international Computer Vision. 2013.

 

5. Ali Borji.  Analysis of scores, datasets, and models in visual saliency prediction. ICCV 2013

缺陷检测算法综述、源码(传统+深度学习)
jacke121的专栏
05-05 3926
文献资料汇总 https://github.com/Eatzhy/surface-defect-detection 综述：机器视觉表面缺陷检测综述 缺陷检测工具箱 https://github.com/abin24/Saliency-detection-toolbox 基于深度学习方式 1、语义分割方式 https://github.com/Wslsdx/Deep-Learning-Approach-for-Surface-Defect-Detection https://github...
显著性检测算法综述
热门推荐
xioamoon的博客
06-26 1万+
最近又对显著性检测的发展现状做了一些梳理，特整理于此。参考了这篇文献：Borji A, Cheng M M, Jiang H, et al. Salient Object Detection: A Survey[J]. Eprint Arxiv, 2014, 16(7):3118.    人类的视觉神经系统可以在复杂的场景中快速发现感兴趣的目标，这种具有选择的视觉能力称为视觉注意机制。计算机视觉研...
saliency 相关的文献综述
weixin_30583563的博客
10-31 154
1.Borji, A., Sihite, D.N., Itti, L.: Quantitative analysis of human-model agreement in visual saliency modeling: a comparative study. IEEE Trans. Image Processing(2012) 2.Borji, A., Itti, L.: S...
最新saliency综述，Borji&Itti
05-13
2013年saliency领域发展综述，总结了saliency的基本概念和发展，以及model分类。
SaliencyReview：显著性检测综述阅读笔记
wbzhang233的博客
03-19 2395
typora-root-url: images SaliencyReviews 显著性检测论文综述阅读笔记 Author: wbzhang 2020/3/19 E-mail: wbzhang233@163.com 1.Salient Object Detection in the Deep Learning Era: An In-Depth Survey 刊于2019.10 单张图片的显...
Deep Unsupervised Saliency Detection: A Multiple Noisy Labeling Perspective
Jinming Su
05-02 2469
Abstract CVPR 2018，西北工业大学和澳大利亚合作的文章. 监督学习的方法显著物体检测方法通常需要大量的标注(labor-intensive)，并且可能阻碍了学习到的模型的泛化能力。本文提出一种新颖的若监督方法，从别的弱监督方法产生的结果进行学习，这些结果通常带有noise，因此本文提出y = y’ + n的思想，学习一个潜在的显著性预测模块和一个噪声模块。 Movitat...
深度无监督显著性检测：多个Weak Label的伪监督
Jingyang.Zhang的博客
06-20 3476
论文来源：2018 CVPR Deep Unsupervised Saliency Detection: A Multiple Noisy Labeling Perspective 最近在刷今年CVPR的时候发现了这样一篇有点意思的文章，整理了一些思路和想法，留在这篇博客中分享给大家。 Motivation 文章的出发点首先就引人入胜，是不是在深度学习流行的当下，handcraf...
【显著目标检测论文】Pyramid Feature Attention Network for Saliency detection
ooooollll111的博客
10-09 2280
显著性检测是计算机视觉的基本挑战之一。如何提取有效的特征是显著性检测的一个关键点。最近的方法主要是不加区分地采用融合多尺度卷积特征。然而，并非所有的特征都对显著性检测有用，有些甚至会造成干扰。为了解决这个问题，我们提出了金字塔特征注意力网络，以关注有效的高级背景特征和低级空间结构特征。首先，我们设计了上下文感知的金字塔特征提取(CPFE)模块，用于多尺度高层特征图，以捕获丰富的上下文特征。
CVPR2021 || 深度敏感注意力Deep RGB-D Saliency Detection with Depth-Sensitive Attention
qq_51302564的博客
05-04 2316
Paper：https://arxiv.org/abs/2103.11832 Code：未开源 动机 在最近的文献中，RGB-D SOD方法通常将深度通道作为辅助输入通道，直接送入卷积神经网络(convolutional neural network, CNN)进行特征提取[7,21,31,43,59]。因此，它们不能很好地利用深度先验知识来捕获显著物体的相应几何布局。 由于突出的目标往往分布在几个特定的深度区间内，因此可以通过有规律地滑动深度区间窗口来粗略地检测到。 受此启发，我们认为可以提取RGB特征w
基于对抗样本的神经网络安全性问题研究综述.pdf
09-20
为了生成对抗样本，研究者们提出了多种算法，如基于梯度的快速梯度符号方法（FGSM）、投影梯度下降（PGD）、以及JSMA（Jacobien-based Saliency Map Attack）等。这些算法能够有效地找到或构造出能够在特定神经网络...
State-of-the-Art in Visual Attention Modeling.docx
08-18
State-of-the-Art in Visual Attention Modeling 中文翻译
State-of-the-art in Visual Attention Modeling 中文翻译版
02-03
该文章是高水平会议PAMI2013年的会议论文，是关于计算机视觉领域中视觉注意模型的综述，个人感觉写的非常好，总结的很全面。不过本人英语不太好，看的很吃力，幸好无意中在网上找到该文章的中文翻译版，特拿出来和有需要的朋友共享。
saliency detection
01-07
图像视觉显著性检测算法在分析图像内容的过程中,引入了视觉特性,大大提高了 计算机对图像内容的理解程度,推进了图像处理技术的发展。在各种图像处理技术中, 计算机所关注的并不是图像的全部内容,而是一部分感兴趣区域或者非感兴趣区域。通 过视觉显著性检测算法去检测图像的显著区域,并给予不同区域不同的处理优先级,从 而更好的利用计算资源,提高计算效率。
CVPR 2022 无监督显著度检测：Multi-Source Uncertainty Mining for Deep Unsupervised Saliency Detection
u014546828的博客
07-06 3002
本文提出了一种新的多源不确定性挖掘方法，以促进对由传统手工制作的 SOD 方法产生的多个噪声标签的无监督深度学习。本文设计了一个不确定性挖掘网络 (UMNet)，该网络由多个 Merge-and-Split (MS) 模块组成，递归分析多个噪声标签之间的共性和差异，并为每个标签推断像素级的不确定性地图。同时，本文使用 Gibbs 分布对噪声标签进行建模，并提出加权不确定性损失来与 SOD 网络联合训练 UMNet。因此，UMNet 可以自适应地为 SOD 网络学习选择可靠的标签。..............
CVPR 2018 Saliency Detection 论文
一千零一夜的博客
07-08 7266
1.Deep Unsupervised Saliency Detection: A Multiple Noisy Labeling Perspective Jing Zhang1,2, Tong Zhang2,3, Yuchao Dai†1, Mehrtash Harandi2,3, and Richard Hartley2 1 中国西北工业大学，戴玉超教授；2 澳大利亚国立大学 ； ...
state-of-the-art
YQ8023family的博客
03-28 1238
wikipedia中的解释 指在特定时间达到的设备，技术或科学领域的最高水平的一般发展。它还指由于当时采用的共同方法而在任何特定时间达到的这种发展水平。该术语自1910年以来一直被使用 ...
State-of-the-Art in Human Scanpath Prediction
最新发布
zsy54577的博客
12-03 689
近年来，预测人类在观看图像时的注视扫描路径的模型出现了激增。然而，该领域缺乏对这些模型在预测能力方面的系统比较。过去，模型通常通过比较人类扫描路径和模型生成的扫描路径来进行评估。而在本研究中，我们评估模型的方式是基于模型如何预测扫描路径中的每个注视点，给定之前的扫描路径历史。这使得模型评估与认为是扫描路径生成背后的生物过程紧密相关，并且能够以直观且可解释的方式应用已有的显著性度量标准，如AUC和NSS。
弱监督/无监督显著目标检测(SOD)部分经典论文摘要
xiongxyowo的博客
10-10 3224
(CVPR’17) Learning to Detect Salient Objects with Image-level Supervision Deep Neural Networks (DNNs) have substantially improved the state-of-the-art in salient object detection. However, training DNNs requires costly pixel-level annotations. In this pape
《《《翻译》》》显著性检测
为了梦想
02-26 2165
摘要：研究了一种主动、自然的室内环境中未知物体的检测问题。提出了一种同时利用颜色和深度信息的视觉显著性方案，以唤起机器系统在三维场景中显著位置检测未知物体的兴趣。在突出位置的三维点被选择为种子点，用三维形状生成对象假设。我们在马尔可夫随机场（MRF）上对三维场景的体素进行多类标记，结合对象假设和三维形状的线索。MRF的结果进一步细化合并标记的对象，它们之间的空间连接和颜色直方图之间有很高的相关性。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值