包邮认知规律启发的显著性物体检测方法与评测

第1章 绪论 1.1 本书背景 1 1.1.1 研究背景 1 1.1.2 国内外研究现状 2 1.1.3 开放性评测数据集及智能检测模型 5 1.1.4 综合评价体系 8 1.2 研究目标与主要贡献 9 1.3 本书的组织结构 13 第2章 相关工作 2.1 图像显著性物体检测 15 2.1.1 图像显著性物体检测数据集 15 2.1.2 基于深度学习的图像显著性物体检测模型 17 2.2 视频显著性物体检测 21 2.2.1 视频显著性物体检测数据集 21 2.2.2 视频显著性物体检测模型 23 2.3 非二进制显著性物体检测评价指标 27 2.3.1 二值显著图的评估 27 2.3.2 非二值显著图的评估 28 2.3.3 当前指标的局限性 29 2.4 二进制显著性物体检测评价指标 31 第3章 富上下文环境下的显著性物体检测数据集与评测 3.1 引言 34 3.1.1 背景知识 34 3.1.2 研究动机 36 3.1.3 解决方案概要 37 3.2 SOC数据集 38 3.2.1 存在非显著物体 39 3.2.2 图像的数量和类别 40 3.2.3 显著物体的全局/局部颜色对比 42 3.2.4 显著物体的位置 44 3.2.5 显著物体的大小 44 3.2.6 高质量的显著对象标签 44 3.2.7 具有属性的显著对象 45 3.3 基于深度学习的显著性检测模型评测结果 47 3.3.1 评估指标 49 3.3.2 指标统计 50 3.3.3 基于属性的评估 51 3.4 讨论和结论 56 第4章 基于注意力转移机制的视频显著性物体检测 4.1 引言 58 4.1.1 背景知识 58 4.1.2 研究动机 59 4.1.3 解决方案概要 60 4.2 DAVSOD数据集 65 4.2.1 视频采集 65 4.2.2 数据标注 65 4.2.3 数据集的特点与统计 70 4.2.4 数据集划分 71 4.3 SSAV模型 72 4.3.1 基于显著性转移的视频显著性物体检测模型 72 4.3.2 实现细节 76 4.4 视频显著性物体检测模型评测结果 77 4.4.1 实验设置 77 4.4.2 性能比较和数据集分析 77 4.4.3 分离实验 83 4.5 讨论和结论 93 第5章 基于结构相似性的显著性检测评价指标 5.1 引言 94 5.1.1 背景知识 94 5.1.2 研究动机 95 5.1.3 解决方案概要 98 5.2 S-measure指标 99 5.2.1 面向区域的结构相似性度量 100 5.2.2 面向物体的结构相似性度量 101 5.2.3 结构相似性指标 103 5.3 实验验证 104 5.3.1 元度量1：应用排序 104 5.3.2 元度量2：新水平vs.通用映射图 105 5.3.3 元度量3：标准显著图替换 107 5.3.4 元度量4：标注错误 109 5.3.5 进一步比较 113 5.3.6 元度量5：人的判别 115 5.3.7 显著性模型比较 118 5.4 讨论和结论 120 第6章 基于局部和全局匹配的显著性物体检测评价指标 6.1 引言 121 6.1.1 背景知识 121 6.1.2 研究动机 122 6.1.3 解决方案概要 122 6.2 E-measure指标 125 6.2.1 局部项 126 6.2.2 局部全局匹配项 128 6.2.3 局部全局匹配指标 128 6.3 实验验证 129 6.3.1 元度量 129 6.3.2 数据集和模型 130 6.3.3 元度量1：应用排序 131 6.3.4 元度量2：先进vs.通用映射图 134 6.3.5 元度量3：先进vs.随机噪声 135 6.3.6 元度量4：人为排序 135 6.3.7 元度量5：手工标注图替换 137 6.4 讨论和结论 138 第7章 总结与展望 7.1 工作总结 140 7.2 展望 144