學(xué)術(shù)不端文獻(xiàn)論文查重檢測系統(tǒng) 多語種 圖文 高校 期刊 職稱 查重 抄襲檢測系統(tǒng)
顯著性檢測 ,就是使用圖像處理技術(shù)和計算機視覺算法來定位圖片中最“顯著”的區(qū)域。. 顯著區(qū)域就是指圖片中引人注目的區(qū)域或比較重要的區(qū)域,例如人眼在觀看一幅圖片時會首先關(guān)注的區(qū)域。. 例如下圖,我們?nèi)搜垡谎劭催^去首先注意到的不是草坪,而是躺在草坪上的內(nèi)馬爾,內(nèi)馬爾所在的區(qū)域就是顯著性區(qū)域。. 這種自動定位圖像或場景重要區(qū)域的過程稱為 顯著性檢測 。. 顯著性檢測在目標(biāo)檢測、機器人領(lǐng)域有很多應(yīng)用。.
Objectness: 這類顯著性檢測算法計算出一個個的建議區(qū)域(proposals),這些建議區(qū)域被認(rèn)為是目標(biāo)可能存在的區(qū)域。. 需要注意的是顯著性檢測不是目標(biāo)檢測,顯著性檢測算法并不能判斷圖片中是否有“目標(biāo)”,它只能檢測出圖片中它“認(rèn)為”有目標(biāo)的區(qū)域,這些區(qū)域可能真的包含目標(biāo),也可能不包含目標(biāo)。. 通常顯著性檢測算法是許多計算機視覺任務(wù)的第一步,檢測出顯著性區(qū)域后再對這些顯著性區(qū)域進(jìn)一步判斷和預(yù)測。. 顯著性檢測器通常是非常快速的算法,能夠?qū)崟r運行。. 顯著性檢測器的結(jié)果隨后被傳遞到計算量更大的算法中。.
總的來說,傳統(tǒng)方法使用大量的顯著性先驗信息進(jìn)行圖像顯著性檢測,主要依賴于手工制作的特征(hand-crafted features),而這些特征(1)可能無法描述復(fù)雜的圖像場景和對象結(jié)構(gòu)(2)無法適應(yīng)新的場景與對象,泛化能力差,因此導(dǎo)致基于傳統(tǒng)方法的顯著性檢測陷入瓶頸。 雖然手制特征允許傳統(tǒng)顯著性目標(biāo)檢測方法實時進(jìn)行檢測,但這些方法的缺點限制了它們在復(fù)雜場景下進(jìn)行顯著性目標(biāo)檢測的能力。