首页 > TAG信息列表 > Salient
《论文笔记》Cooperative Multi-Robot Monocular-SLAM using Salient Landmarks
时间：2009 作者： 创新点： 提出新的理论框架——基于视觉的多robot(文章以2个robot为例)协同SLAM 初始条件：两robot(配置单目摄像机及自身EKF-SLAM算法)，不需要robot之间相互了解初识位置 salient landmark：指robot探测的标志性物质，本文有两种1）门牌(doorplate) 2）垂直的线《CTDNet：Complementary Trilateral Decoder for Fast and Accurate Salient Object Detection》论文笔记
参考代码：CTDNet 1. 概述 导读：这是一篇关于显著性目标检测的文章，文章对影响显著性目标检测的网络各个部分进行探究，也就是将需要在一张图像中获取的信息划分为3个部分：语义上下文信息、像素空间信息、显著性目标边界信息，对应的特征图的层级也是由高到低。在这篇文章中比较清晰Global Context-Aware Progressive Aggregation Network for Salient Object Detection Notes
Global Context-Aware Progressive Aggregation Network for Salient Object Detection Facts due to the pyramid-like CNNs structure, high-level features help locate the salient objects roughly, low-level features help refine boundaries. traditional methods li[论文翻译] RGBD Salient Object Detection via Deep Fusion
基于深度融合的RGBD显著目标检测 此文为07-ECCV-Accurate RGB-D Salient Object Detection via Collaborative Learning中所注明的RGB-D首例研究，故在此全文翻译。 摘要：RGBD显著性检测设计了各种低水平的显著性线索，如颜色和深度对比度特征以及背景和颜色紧致度先验。然而，这些低水[论文阅读] Exploring Dense Context for Salient Object Detection
论文地址：https://dx.doi.org/10.1109/TCSVT.2021.3069848 发表于：TCSVT 2021 Abstract 上下文在显著目标检测中起着重要作用。高级上下文描述了不同物体/物体不同部分之间的关系，因此有助于发现显著目标的具体位置；而低级上下文可以为显著目标边界的划分提供精细的信息。然而，现Reverse attention for salient object detection阅读笔记
ECCV 2018 Shuhan Chen, Xiuli Tan, Ben Wang, Xuelong Hu 论文地址 一、简介 为解决显著性目标检测任务存在的输出分辨率低和模型参数量过大的问题，本文提出了一种精确而紧凑的深度网络。 首先，使用残差网络学习侧向输出残差特征来进行显著性细化，其次，我们提出了反向注意，以自上wordpress炫酷主题Salient最新版13.0.5 汉化版免费下载
Salient主题是一款响应式多功能主题，可以适用各种类型网站，比如博客，企业建站，相册站等，此主题在主题森林售价大约420RMB，销量排行榜非常靠前，这款主题最大的特色是过渡动画非常多，动态效果非常好，喜欢的朋友赶紧下载了，在这里免费分享给大家。 免费下载地址： https://www.owsmyf.top/inde《Group Collaborative Learning for Co-Salient Object Detection》——CVPR2021 Co-salient object detection
文章：https://arxiv.org/pdf/2104.01108.pdf 代码：https://github.com/fanq15/GCoNet 摘要： 本文提出了实时（16ms）的共同显著性目标检测方法，基于以下两个原则同时挖掘组级别(group level)的共同表示：1、组内的紧实度(intra-group compactness) .为了更好的构建共同显著性物体之间的一《Saliency Filters: Contrast Based Filtering for Salient Region Detection》阅读理解
作者：Federico Perazzi 作者：Philipp Kr 等 论文地址： IEEE Xplore Full-Text PDF: 发表于2012 CVPR 论文主要包括四个部分： Abstraction、Element uniqueness、Element distribution、Saliency assignment。 第一，Abstraction。 aim to decompose theSalient Image Matting
Salient Image Matting 论文链接：https://arxiv.org/abs/2103.12337 发表出处：2021 CVPR 一.背景 在现实世界的抠图中，前景对象可以出现在与训练数据非常不同的设置中，而且图像内容往往会有很大的变化，因此捕获图像中的高级语义特征始终需要在大量数据上训练模型。目前，大（转载）论文阅读：U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection
(转载)U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection 当前方法的问题 使用VGG、ResNet等为图像分类任务设计的网络提取深层特征，但是，这些骨干网络最初是为图像分类任务设计的，它们提取的特征是代表语义意义的，而不是对显著性检测是必不可少的局部[CVPR论文介绍] BASNet：边缘感知的显著性物体检测
https://zhuanlan.zhihu.com/p/71538356 和昨天的那篇U²Net同作者，但是更早一点。 大多数深度学习方法→在显著性预测时侧重于区域预测→但现在他们创建了一个新的损失函数→也考虑了目标的边界。 显著性预测→我们人类擅长于此→关注给定的图像或视频中的“重要”目标。(Attentive Feedback Network for Boundary-Aware Salient Object Detection
原文链接：https://pan.baidu.com/s/1n-dRVC4sLWCmhhD5bnVXqg 这是2019CVPR中的一篇图片显著对象检测的文章，是我所跑通的几篇code中效果比较不错的，主打边缘和速度。 文章的主要贡献可以大致分成两部分： 提出了一个注意力的反馈网络（Attentive Feedback Network, AFNet），主要用于编Salient Subsequence Learning for Time Series Clustering论文笔记
Salient Subsequence Learning for Time Series Clustering Qin Zhang, Jia Wu, Member, IEEE, Peng Zhang, Guodong Long, Chengqi Zhang, Senior Member, IEEE TPAMI 2018 什么是shapelet？ shapelet是时间序列的子序列，具有判别性，其在某种意义上最大程度地代表类。 从树叶分「Computer Vision」Note on Cascaded Partial Decoder
QQ Group: 428014259 Tencent E-mail：403568338@qq.com http://blog.csdn.net/dgyuanshaofeng/article/details/89406772 [1] Cascaded Partial Decoder for Fast and Accurate Salient Object Detection CVPR 2019 [paper]