學術(shù)不端文獻論文查重檢測系統(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 。. 顯著性檢測在目標檢測、機器人領域有很多應用。.
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)域被認為是目標可能存在的區(qū)域。. 需要注意的是顯著性檢測不是目標檢測,顯著性檢測算法并不能判斷圖片中是否有“目標”,它只能檢測出圖片中它“認為”有目標的區(qū)域,這些區(qū)域可能真的包含目標,也可能不包含目標。. 通常顯著性檢測算法是許多計算機視覺任務的第一步,檢測出顯著性區(qū)域后再對這些顯著性區(qū)域進一步判斷和預測。. 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)可能無法描述復雜的圖像場景和對象結(jié)構(gòu)(2)無法適應新的場景與對象,泛化能力差,因此導致基于傳統(tǒng)方法的顯著性檢測陷入瓶頸。 雖然手制特征允許傳統(tǒng)顯著性目標檢測方法實時進行檢測,但這些方法的缺點限制了它們在復雜場景下進行顯著性目標檢測的能力。