显著性检测 论文 显著性检测方法有哪些？
显著性检测方法有哪些？
侯晓迪同学在2007年发表的一篇CVPR的论文，用很简单的方法检测了显著性区域，那之后显著性检测主要以区域检测为主：Saliency detection: A spectral residual approach （CVPR 2007），虽然之后有人诟病这篇论文有不足之处，但该想法简单，推动了显著性研究的普及。 侯同学靠这一篇文章再加上投稿期间的趣事，就封神了。 3. 其他经典的显著性检测方法
显著性检测算法的本质是什么？
随着计算机技术的发展，采用计算机对图像进行识别和处理成为一个重要的发展趋势。 显著性检测的本质是特征提取。 由于具有强大的三维信息捕捉能力，光场数据为显著性检测算法提供了更为有力的支持。 但算法的能力取决于数据集构建的全面性、有效性、规模化和多样性，同时也取决于灵活高效的模型设计。 为了促进这一领域的发展，来自 大连理工 的研究人员构建了大规模的多功能数据集， 其中包含了102类目标、共4202个样本，可以有效支持基于RGB、RGB-D和光场数据的显著性检测算法 。 同时，研究人员还构建了 基于对焦信息流和RGB信息流的非对称架构 ，实现了高效的显著性检测算法，并可将对焦信息流上的知识迁移到RGB信息流子模型上，在移动端上也能实现高帧率的显著性检测。
传统图像显著性检测方法的缺点是什么？
总的来说，传统方法使用大量的显著性先验信息进行图像显著性检测，主要依赖于手工制作的特征（hand-crafted features），而这些特征（1）可能无法描述复杂的图像场景和对象结构（2）无法适应新的场景与对象，泛化能力差，因此导致基于传统方法的显著性检测陷入瓶颈。 虽然手制特征允许传统显著性目标检测方法实时进行检测，但这些方法的缺点限制了它们在复杂场景下进行显著性目标检测的能力。
显著性检测模型应满足哪些标准？
提到一般认为，良好的显著性检测模型应至少满足以下三个标准：1）良好的检测：丢失实际显著区域的可能性以及将背景错误地标记为显著区域应该是低的；2）高分辨率：显著图应该具有高分辨率或全分辨率以准确定位突出物体并保留原始图像信息；3）计算效率：作为其他复杂过程的前端，这些模型应该快速检测显著区域。 （1）Itti等人提出的最早、经典的的显著模型。