JavaShuo
欄目
標籤
[2015]Consistent Video Saliency Using Local Gradient Flow Optimization and Global Refinement
時間 2020-12-30
原文
原文鏈接
本文提出了一種時空顯著性檢測方法,基於梯度流場和能量優化函數來檢測視頻中的顯著區域。所提出的梯度流場包括兩個不同的特徵:1)幀內邊界信息和2)幀間運動信息。然後,使用從梯度流場估計的前景和背景信息引入局部和全局對比度顯著性測量。這些增強的對比度顯著性提示均勻地突出整個對象。進一步提出了一種新的能量函數,以促進輸出顯著性圖的時空一致性。本算法主要包含三步:顯著性估計,顯著線索精化,時空顯著性優化。
>>阅读原文<<
相關文章
1.
圖像拼接--Construction and Refinement of Panoramic Mosaics with Global and Local Alignment
2.
Video Saliency Detection 文獻學習(一)Unified Image and Video Saliency Modeling
3.
Global and Local Variables
4.
Human Pose Estimation using Global and Local Normalization
5.
20140725 Generating object segmentation proposals using global and local search
6.
Proving local minimal to be global minimal in Convex optimization
7.
論文閱讀——Retinal Vasculature Segmentation Using Local Saliency Maps and Generative Adversarial Networks
8.
An overview of gradient descent optimization algorithms
9.
Gradient Optimization
10.
[CONLL2017] Learning local and global contexts using a convolutional recurrent network model
更多相關文章...
•
XSL-FO flow 對象
-
XSL-FO 教程
•
W3C RDF and OWL 活動
-
W3C 教程
•
RxJava操作符(七)Conditional and Boolean
•
Flink 數據傳輸及反壓詳解
相關標籤/搜索
flow
gradient
saliency
optimization
refinement
local
using
global
video
action.....and
0
分享到微博
分享到微信
分享到QQ
每日一句
每一个你不满意的现在,都有一个你没有努力的曾经。
最新文章
1.
Duang!超快Wi-Fi來襲
2.
機器學習-補充03 神經網絡之**函數(Activation Function)
3.
git上開源maven項目部署 多module maven項目(多module maven+redis+tomcat+mysql)後臺部署流程學習記錄
4.
ecliple-tomcat部署maven項目方式之一
5.
eclipse新導入的項目經常可以看到「XX cannot be resolved to a type」的報錯信息
6.
Spark RDD的依賴於DAG的工作原理
7.
VMware安裝CentOS-8教程詳解
8.
YDOOK:Java 項目 Spring 項目導入基本四大 jar 包 導入依賴,怎樣在 IDEA 的項目結構中導入 jar 包 導入依賴
9.
簡單方法使得putty(windows10上)可以免密登錄樹莓派
10.
idea怎麼用本地maven
本站公眾號
歡迎關注本站公眾號,獲取更多信息
相關文章
1.
圖像拼接--Construction and Refinement of Panoramic Mosaics with Global and Local Alignment
2.
Video Saliency Detection 文獻學習(一)Unified Image and Video Saliency Modeling
3.
Global and Local Variables
4.
Human Pose Estimation using Global and Local Normalization
5.
20140725 Generating object segmentation proposals using global and local search
6.
Proving local minimal to be global minimal in Convex optimization
7.
論文閱讀——Retinal Vasculature Segmentation Using Local Saliency Maps and Generative Adversarial Networks
8.
An overview of gradient descent optimization algorithms
9.
Gradient Optimization
10.
[CONLL2017] Learning local and global contexts using a convolutional recurrent network model
>>更多相關文章<<