Graph-Based Salient Region Detection through Linear Neighborhoods
Graph-Based Salient Region Detection through Linear Neighborhoods
复制标题
通过线性邻域进行基于图的显着区域检测
DOI：
10.1155/2016/8740593
复制
发表时间：
2016-06
影响因子：
--
通讯作者：
Sun Yuanyuan
中科院分区：
文献类型：
--
作者：
Xu Lijuan;Wang Fan;Yang Yan;Hu Xiaopeng;Sun Yuanyuan
近年来，基于图的显着区域检测方法中广泛采用高斯权函数估计的成对邻近关系。然而，参数的学习仍然是一个问题，因为非最优模型会显着影响检测结果。为了解决这个挑战，我们首先应用每个节点的所有邻居提供的相邻信息来构造无向权重图，基于每个节点可以通过其邻居的线性组合来最佳重建的假设。然后，通过从图中部分选择的种子（标记数据）中学习，将显着性检测建模为图标记的过程。在一些数据集上呈现的有希望的实验结果证明了我们提出的通过线性邻域的基于图的显着性检测方法的有效性和可靠性。
Pairwise neighboring relationships estimated by Gaussian weight function have been extensively adopted in the graph-based salient region detection methods recently. However, the learning of the parameters remains a problem as nonoptimal models will affect the detection results significantly. To tackle this challenge, we first apply the adjacent information provided by all neighbors of each node to construct the undirected weight graph, based on the assumption that every node can be optimally reconstructed by a linear combination of its neighbors. Then, the saliency detection is modeled as the process of graph labelling by learning from partially selected seeds (labeled data) in the graph. The promising experimental results presented on some datasets demonstrate the effectiveness and reliability of our proposed graph-based saliency detection method through linear neighborhoods.
登录
查看更多内容
影响因子：
10.6
作者：
Viswanath Gopalakrishnan;Yiqun Hu;D. Rajan
通讯作者：
Viswanath Gopalakrishnan;Yiqun Hu;D. Rajan
DOI：
10.1109/cvpr.2009.5206596
发表时间：
2009-06
期刊：
2009 IEEE Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
R. Achanta;S. Hemami;F. Estrada;S. Süsstrunk
通讯作者：
R. Achanta;S. Hemami;F. Estrada;S. Süsstrunk
DOI：
10.1109/tpami.2011.272
发表时间：
2012-10-01
影响因子：
23.6
作者：
Goferman, Stas;Zelnik-Manor, Lihi;Tal, Ayellet
通讯作者：
Tal, Ayellet
DOI：
10.1109/34.730558
发表时间：
1998-11-01
影响因子：
23.6
作者：
Itti, L;Koch, C;Niebur, E
通讯作者：
Niebur, E
DOI：
10.1007/s00371-014-0930-9
发表时间：
2015-03
期刊：
The Visual Computer
影响因子：
--
作者：
Min Xu;Hanling Zhang
通讯作者：
Min Xu;Hanling Zhang