为模拟人类视觉对含有特定目标图像集中目标逐渐关注感知的行为,提出一种弱监督学习的视觉显著性目标检测算法。根据已有的视觉显著性方法获得图像的显著性区域;提取显著区域的底层视觉特征,训练获得视觉显著目标的表征;用条件随机场(co...为模拟人类视觉对含有特定目标图像集中目标逐渐关注感知的行为,提出一种弱监督学习的视觉显著性目标检测算法。根据已有的视觉显著性方法获得图像的显著性区域;提取显著区域的底层视觉特征,训练获得视觉显著目标的表征;用条件随机场(conditional random fields,CRF)将学习到视觉显著目标表征进行联合学习,获得该表征在最后显著性中的权重;计算每次迭代显著图的ROC曲线,寻找视觉显著性目标最优表征及其在最后显著图中的最优权重。实验结果表明,该算法检测精度优于现有诸多算法,能够有效检测出视觉显著性目标。该算法模拟了人类视觉中对特定关注目标的感知过程,对不断重复出现的视觉显著性目标进行强化学习,具有较高的准确率。展开更多
针对运动突变目标视觉跟踪问题,提出一种基于视觉显著性的两阶段采样跟踪算法.首先,将视觉显著性信息引入到Wang-Landau蒙特卡罗(Wang-Landau Monte Carlo,WLMC)跟踪算法中,设计了结合显著性先验的接受函数,利用子区域的显著性值来引导...针对运动突变目标视觉跟踪问题,提出一种基于视觉显著性的两阶段采样跟踪算法.首先,将视觉显著性信息引入到Wang-Landau蒙特卡罗(Wang-Landau Monte Carlo,WLMC)跟踪算法中,设计了结合显著性先验的接受函数,利用子区域的显著性值来引导马尔可夫链的构造,通过增大目标出现区粒子的接受概率,提高采样效率;其次,针对运动序列中平滑与突变运动共存的特点,建立两阶段采样模型.其中第一阶段对目标当前运动类型进行判定,第二阶段则根据判定结果采用相应算法.突变运动采用基于视觉显著性的WLMC算法,平滑运动采用双链马尔可夫链蒙特卡罗(Marko chain Monte Carlo,MCMC)算法,以此完成目标跟踪,提高算法的鲁棒性.该算法既避免了目标在平滑运动时全局采样导致精度下降的缺点,又能在目标发生运动突变时有效捕获目标.实验结果表明,该算法不仅能有效处理运动突变目标的跟踪问题,在典型图像序列上也具有良好的鲁棒性.展开更多
文摘为模拟人类视觉对含有特定目标图像集中目标逐渐关注感知的行为,提出一种弱监督学习的视觉显著性目标检测算法。根据已有的视觉显著性方法获得图像的显著性区域;提取显著区域的底层视觉特征,训练获得视觉显著目标的表征;用条件随机场(conditional random fields,CRF)将学习到视觉显著目标表征进行联合学习,获得该表征在最后显著性中的权重;计算每次迭代显著图的ROC曲线,寻找视觉显著性目标最优表征及其在最后显著图中的最优权重。实验结果表明,该算法检测精度优于现有诸多算法,能够有效检测出视觉显著性目标。该算法模拟了人类视觉中对特定关注目标的感知过程,对不断重复出现的视觉显著性目标进行强化学习,具有较高的准确率。
文摘针对运动突变目标视觉跟踪问题,提出一种基于视觉显著性的两阶段采样跟踪算法.首先,将视觉显著性信息引入到Wang-Landau蒙特卡罗(Wang-Landau Monte Carlo,WLMC)跟踪算法中,设计了结合显著性先验的接受函数,利用子区域的显著性值来引导马尔可夫链的构造,通过增大目标出现区粒子的接受概率,提高采样效率;其次,针对运动序列中平滑与突变运动共存的特点,建立两阶段采样模型.其中第一阶段对目标当前运动类型进行判定,第二阶段则根据判定结果采用相应算法.突变运动采用基于视觉显著性的WLMC算法,平滑运动采用双链马尔可夫链蒙特卡罗(Marko chain Monte Carlo,MCMC)算法,以此完成目标跟踪,提高算法的鲁棒性.该算法既避免了目标在平滑运动时全局采样导致精度下降的缺点,又能在目标发生运动突变时有效捕获目标.实验结果表明,该算法不仅能有效处理运动突变目标的跟踪问题,在典型图像序列上也具有良好的鲁棒性.
