嘮叨
研一一直研究目標候選框,接觸相關的Object。
重要思想
對於任意目標提取:
- 空間上具有很好的封閉邊界
- 目標和背景在外觀上有很大不同
- 目標在圖像內是獨一無二的,並表現顯著性
個人理解:對於任意目標,當圖像中存在目標,該目標是有封閉輪廓的,並且因爲封閉,其與背景是有很大差距的。在程明明的BING中也是有相關解釋的。
文章內容
主要思想
用貝葉斯模型對特徵進行融合,減少窗口數量。
個人理解:在前期對於object的算法中,很多都是滑動窗口,會生成了大量的目標候選框,所以根據算法的優化,減少目標候選框的數量。後期隨着深度學習的發展,開始將目標候選框的研究從滑動窗口的生成數量上來優化,減少滑動窗口的生成數量。
方法
- 多尺度顯著(MS):基於頻譜的sr方法進行多尺度分析(sr:彩色-灰色,三個色道分別進行計算)每種尺度下,計算各個窗口內的顯著性密度,密度越大趨近於含有目標。
- 顏色對比(CC):計算窗口與窗口附近背景(窗口外部分寬度的環形區域)的LAB直方圖卡方距離,對圖像進行離散量化。
- 邊緣密度(ED):與顏色對比相似,不擴大,收縮,在一窗口內收縮小窗口,計算小窗口內Canny檢測算子的和與小窗口周長的比值。
- 超像素交叉(SS):一個超像素的所有像素應該在同一個目標內。對於一個窗口,計算位於被窗口界線分割開的超像素較小的那一面積的和,和越大,窗口內含有目標的可能性越小。(說明其跨越太多超像素)
訓練與測試流程
太懶了,直接搬來自己之前的筆記。
總結
這個文章的主要重點就是它的思想。在後面的object相關算法中有很重要的指導意義!
個人學習,如有錯誤,歡迎留言!會積極改進!