視覺顯著性

2021-08-25 19:45:36 字數 795 閱讀 1346

視覺顯著性(visual saliency detection )是指對於真實世界中的場景,人們會自動的識別出感興趣區域(region of interesting),並對感興趣的區域進行處理忽略掉不感興趣的區域。比較典型的視覺顯著性的標註為下圖所示

人體視覺顯著性

人類的視覺注意機制有兩個策略:自底向上、自頂向下

自底向上(bottom-up method):自底向上的方法是由影象本質特徵引起的視覺注意,它是由底層感知資料驅動的。譬如,顏色,亮度,方向等一系列影象特徵。由影象底層資料可知,不同區域內具有很強的特徵差異性,通過判斷目標區域和它周圍畫素的差異,進而計算影象區域的顯著性。

自頂向下(top-down method):自頂向下的方法是基於任務驅動性的注意力顯著性機制,它是由任務經驗來驅動視覺注意的,通過知識來預期當前影象的目標顯著性的區域。例如,在景區,你同學戴了一頂黑色帽子,你在尋找你同學時候,會首先注意黑色帽子這個顯著特徵。

視覺顯著性**即**人類的視覺凝視點和眼動;顯著性物體檢測是基於視覺顯著性在影象大小調整上的應用而得來的概念。

不同點:

1)兩者定義的標註集不同。視覺顯著性**只需**出人類在3~5秒的凝視中所關注的點;顯著性物體檢測的目標是檢測出最顯著的物體。其中顯著性物體作為乙個整體被檢測出來,需要精確到畫素級別;理論上,在顯著性**模型上成功的方法在顯著性物體檢測的標準中會失敗。

2)兩者的評估標準不同。視覺顯著性**的評估方法需要評估顯著性圖的相似程度,而顯著性物體檢測方法需要基於顯著性物體區域中每個畫素點的命中率來計算準確率和回召率。

視覺顯著性**和檢測示意圖

顯著性檢測 視覺注意機制 超畫素分割

視覺顯著性檢測 visual saliency detection 指通過智慧型演算法模擬人的視覺特點,提取影象中的顯著區域 即人類感興趣的區域 視覺注意機制 visual attention mechanism,va 即面對乙個場景時,人類自動地對感興趣區域進行處理而選擇性地忽略不感興趣區域,這些...

地理建模 顯著性檢驗

學習地理建模時總是遇到顯著性檢驗,這裡記錄一下。顯著性檢驗是用於檢測科學實驗中實驗組與對照組之間是否有差異以及差異是否顯著的辦法。顯著性檢驗 的前提條件是 統計假設 用更通俗的話來說就是要先對科研資料做乙個假設,然後用檢驗來檢查假設對不對。一般而言,把要檢驗的假設稱之為原假設,記為h0 把與h0相對...

關於顯著性檢測的思考

梳理visual saliency 的定義,視覺顯著性是乙個主觀目標,既有自上而下的任務驅動的注意機制,全域性的拓撲認知,也有自下而上的基於區域性特徵的多層次融合機制。因此顯著性也是乙個從主觀上定義,客觀上驗證該定義的視覺過程。因此顯著性的定義上從主觀上是任務驅動的視覺搜尋過程,這個過程 的是注意機...