显著性检测算法综述

本文回顾了显著性检测的研究进展,从早期的计算模型到将显著性检测视为二元分割问题,再到基于深度学习的方法。深度学习的引入,特别是CNN的应用,如SuperCNN和深度监督网络,使得显著性检测的性能大幅提升,成为了当前领域的主流方向。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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。计算机视觉研究的目的在于模拟人的视觉神经系统,使得计算机同样具有智能的视觉注意、理解能力。显著性检测是目前计算机领域的一个热点研究方向,其主要工作是通过建立一种视觉注意模型来模拟人类视觉系统。 

研究现状:

第一阶段:建立计算模型进行显著性检测。

      

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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