向上和自顶向下。由于自顶向下的方法难以实现，因而目前大多数显著性检测算法都是基于自底向上的方法一，这些方法的视觉注意力都是由较低级的特征（如对比、亮度和颜色）驱动。
2017-10-31 17:30
图像分割在许多图像处理和机器视觉问题中是一个非常重要的过程，是将一幅图分割成几个显著的区域，然而不能将其中最显著的目标直接分割出来，需要进一步处理。为此本文采用
2017-12-06 14:27
研究人员首先使用VGG作为相对独立的主干网络对图像进行不同层级的信息抽取，并将这五路不同层级的旁支特征送入后续的融合与检测模块中。其中Conv1-2感受野太小没有被采用，而Conv2-2则主要包含边缘信息，用于后续的
2019-10-01 16:40
针对目前基于深度卷积神经网络的显著性检测算法存在对复杂场景图像目标检测不完整，背景噪声多的问题，提出一种深度特征导向
2020-11-03 16:31
转换到像素级的似物性度量；然后把原始显著性图与像素级的似物性图进行融合，生成加权显著性
2017-12-28 17:48
0引言 视觉显著性估计中通常以彩色图像为输入，因此，本文以３个相邻波段的高光谱影像为输入，进行显著性特征提取，然后沿光谱维度利用滑窗法获取各个波段的显著性
2023-01-12 09:45
针对现有的基于引导学习的显著性检测模型存在的训练样本不纯净和特征提取方式过于简单的问题，提出一种改进的基于引导（ Boosting）的算法来检测
2017-11-28 16:33
针对传统的图像分类方法对整个图像不分等级处理以及缺乏高层认知的问题，提出了一种基于显著性检测的图像分类方法。首先，利用视觉注意模型进行显著性检测，得到图像的
2018-01-04 13:47
为实现图像显著区域或目标的低级特征与语义信息有意义的结合，以获取结构更完整、边界更淸晰的显著性
2021-04-21 10:42
针对基于图和流形排序（ Manifold Ranking）的显著性检测算法（MR算法）过度依赖边界节点的背景特征的问题，提出一种改进的结合前景背景
2017-12-13 11:44
