認知規(guī)律啟發(fā)的顯著性物體檢測方法與評測

第1章 緒論
1.1 本書背景 1
1.1.1 研究背景 1
1.1.2 國內(nèi)外研究現(xiàn)狀 2
1.1.3 開放性評測數(shù)據(jù)集及智能檢測模型 5
1.1.4 綜合評價體系 8
1.2 研究目標與主要貢獻 9
1.3 本書的組織結(jié)構(gòu) 13
第2章 相關工作
2.1 圖像顯著性物體檢測 15
2.1.1 圖像顯著性物體檢測數(shù)據(jù)集 15
2.1.2 基于深度學習的圖像顯著性物體檢測模型 17
2.2 視頻顯著性物體檢測 21
2.2.1 視頻顯著性物體檢測數(shù)據(jù)集 21
2.2.2 視頻顯著性物體檢測模型 23
2.3 非二進制顯著性物體檢測評價指標 27
2.3.1 二值顯著圖的評估 27
2.3.2 非二值顯著圖的評估 28
2.3.3 當前指標的局限性 29
2.4 二進制顯著性物體檢測評價指標 31
第3章 富上下文環(huán)境下的顯著性物體檢測數(shù)據(jù)集與評測
3.1 引言 34
3.1.1 背景知識 34
3.1.2 研究動機 36
3.1.3 解決方案概要 37
3.2 SOC數(shù)據(jù)集 38
3.2.1 存在非顯著物體 39
3.2.2 圖像的數(shù)量和類別 40
3.2.3 顯著物體的全局/局部顏色對比 42
3.2.4 顯著物體的位置 44
3.2.5 顯著物體的大小 44
3.2.6 高質(zhì)量的顯著對象標簽 44
3.2.7 具有屬性的顯著對象 45
3.3 基于深度學習的顯著性檢測模型評測結(jié)果 47
3.3.1 評估指標 49
3.3.2 指標統(tǒng)計 50
3.3.3 基于屬性的評估 51
3.4 討論和結(jié)論 56
第4章 基于注意力轉(zhuǎn)移機制的視頻顯著性物體檢測
4.1 引言 58
4.1.1　背景知識 58
4.1.2　研究動機 59
4.1.3　解決方案概要 60
4.2　DAVSOD數(shù)據(jù)集 65
4.2.1　視頻采集 65
4.2.2　數(shù)據(jù)標注 65
4.2.3　數(shù)據(jù)集的特點與統(tǒng)計 70
4.2.4　數(shù)據(jù)集劃分 71
4.3　SSAV模型 72
4.3.1　基于顯著性轉(zhuǎn)移的視頻顯著性物體檢測模型 72
4.3.2　實現(xiàn)細節(jié) 76
4.4　視頻顯著性物體檢測模型評測結(jié)果 77
4.4.1　實驗設置 77
4.4.2　性能比較和數(shù)據(jù)集分析 77
4.4.3　分離實驗 83
4.5　討論和結(jié)論 93
第5章　基于結(jié)構(gòu)相似性的顯著性檢測評價指標
5.1　引言 94
5.1.1　背景知識 94
5.1.2　研究動機 95
5.1.3　解決方案概要 98
5.2　S-measure指標 99
5.2.1　面向區(qū)域的結(jié)構(gòu)相似性度量 100
5.2.2　面向物體的結(jié)構(gòu)相似性度量 101
5.2.3　結(jié)構(gòu)相似性指標 103
5.3　實驗驗證 104
5.3.1　元度量1：應用排序 104
5.3.2　元度量2：新水平vs.通用映射圖 105
5.3.3　元度量3：標準顯著圖替換 107
5.3.4　元度量4：標注錯誤 109
5.3.5　進一步比較 113
5.3.6　元度量5：人的判別 115
5.3.7　顯著性模型比較 118
5.4　討論和結(jié)論 120
第6章　基于局部和全局匹配的顯著性物體檢測評價指標
6.1　引言 121
6.1.1　背景知識 121
6.1.2　研究動機 122
6.1.3　解決方案概要 122
6.2　E-measure指標 125
6.2.1　局部項 126
6.2.2　局部全局匹配項 128
6.2.3　局部全局匹配指標 128
6.3　實驗驗證 129
6.3.1　元度量 129
6.3.2　數(shù)據(jù)集和模型 130
6.3.3　元度量1：應用排序 131
6.3.4　元度量2：先進vs.通用映射圖 134
6.3.5　元度量3：先進vs.隨機噪聲 135
6.3.6　元度量4：人為排序 135
6.3.7　元度量5：手工標注圖替換 137
6.4　討論和結(jié)論 138
第7章　總結(jié)與展望
7.1　工作總結(jié) 140
7.2　展望 144