Ta上传的资源 (0)

显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集THUR15000-DogJump
VR 5

显著性检测是计算机视觉的一个重要分支,而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集Judd。

由浅入深，循序渐进；本书以初、中级读者为对象，首先从MATLAB的基础知识讲起，辅以MATLAB在工程中的应用案例，帮助读者尽快掌握MATLAB进行科学计算及工程分析的技能。

由浅入深，循序渐进；本书以初、中级读者为对象，首先从MATLAB的基础知识讲起，辅以MATLAB在工程中的应用案例，帮助读者尽快掌握MATLAB进行科学计算及工程分析的技能。精通MATLABR2014a每个章节的代码。

超像素经典的算法SLIC就属于上述1%的一员，他有论文的介绍原理性的东西，有数学公式的推导，有和其他算法的比较数据，更重要的是他还有和论文完全对应的参考代码，而且有C++、matlab以及GPU版本，可以说是非常有良心的一篇论文。虽然是优质代码，但是当你真正的去研究他的代码时，你就会发现离实际的应用

显著性检测是计算机视觉的一个重要分支，而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。常用的显著性检测数据集HKU-IS和他们的GT图

显著性检测是计算机视觉的一个重要分支，而在深度学习的训练阶段、显著性检测算法的评价阶段等都需要大量有标注信息的数据集。显著图像数据集THUR15000-Giraffe

这是一种图像视觉显著性提取方法，对应文献S.Goferman,L.Zelnik-Manor,andA.Tal,“Context-awaresaliencydetection,”inIEEECVPR,2010,pp.2376–2383.该文献中的模型同时考虑了图像的局部特征和全局特征，克服了显著区域范

生成的超像素如同细胞一般紧凑整齐，邻域特征比较容易表达。这样基于像素的方法可以比较容易的改造为基于超像素的方法。不仅可以分割彩色图，也可以兼容分割灰度图。需要设置的参数非常少，默认情况下只需要设置一个预分割的超像素的数量。相比其他的超像素分割方法，SLIC在运行速度、生成超像素的紧凑度、轮廓保持方面