已閱讀1頁,還剩52頁未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、通用物體檢測算法近來受到了廣泛的關(guān)注并取得了顯著的進(jìn)步。不斷被刷新的檢測率曲線使得這類算法在圖像顯著性檢測領(lǐng)域引起了極大的興趣。但如何在眾多的候選物體分割中準(zhǔn)確而完整地尋找到顯著目標(biāo)仍舊是一個(gè)難題。
在這篇論文中,我們提出了一個(gè)用于解決這一問題的算法:基于物體分割的高維特征排序的顯著種子選擇算法。對于一幅圖片,首先通過一個(gè)現(xiàn)有算法產(chǎn)生一個(gè)候選物體分割集;然后,分別對每個(gè)分割提取區(qū)域及像素層級的特征,并將它們連接起來組成一個(gè)高維
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于最短描述長度的高維特征選擇方法研究.pdf
- 基于組稀疏的高維特征選擇及圖像標(biāo)注研究.pdf
- 基于圖像分割的顯著性物體檢測方法
- 基于圖像分割的顯著性物體檢測方法.pdf
- 基于多層次圖像分割的物體級顯著性識別.pdf
- 高維特征篩選和時(shí)間序列下的模型選擇.pdf
- 種子高光譜圖像分割與特征光譜提取研究.pdf
- 視覺顯著性區(qū)域計(jì)算及顯著性物體分割方法研究.pdf
- 基于流形排序和結(jié)合前景背景特征的圖像顯著性檢測.pdf
- 基于高維特征的人臉認(rèn)證方法研究.pdf
- 基于圖的流形排序顯著區(qū)域檢測研究.pdf
- 基于顯著性的圖像分割研究.pdf
- 基于視覺顯著特征的人臉圖像分割與跟蹤方法的研究.pdf
- 基于量子進(jìn)化特征選擇的SAR圖像分割.pdf
- 基于重建誤差排序的顯著性檢測.pdf
- 基于OLS特征排序和相關(guān)度聚類的特征選擇算法.pdf
- 基于先驗(yàn)融合和流形排序的顯著目標(biāo)檢測.pdf
- 基于融合的醫(yī)學(xué)圖像特征選擇和分割方法研究.pdf
- 基于投影平面物體排序的陰影算法的研究.pdf
- 基于視覺顯著性的圖像分割方法研究.pdf
評論
0/150
提交評論