کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10146094 | 870634 | 2018 | 7 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Visual saliency based on extended manifold ranking and third-order optimization refinement
ترجمه فارسی عنوان
قابلیت های بصری بر اساس رتبه بندی منیفولد گسترش یافته و بهبود بهینه سازی درجه سوم
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تشخیص حساسیت، رتبه بندی چندگانه، مدل گرافیکی، تقسیم بندی تصویر،
ترجمه چکیده
رویکردهای مبتنی بر نمودار برای تشخیص حساسیت توجه زیادی را به خود جلب کرده و در سالهای اخیر به طور گسترده ای مورد سوء استفاده قرار گرفته اند. در این مقاله، ما یک روش جدید برای ترویج عملکرد الگوریتم های رتبه بندی چندجملهای موجود ارائه می دهیم. ابتدا ما از نقشه وزن پسزمینه استفاده می کنیم تا بذر را برای رتبه بندی چند منظوره تهیه کنیم؛ بعد، ما رتبه بندی چندجملهای سنتی را به فرمول دوم مرتب می رسانیم و یک ماسک وزن را به مدت زمان مناسب اضافه می کنیم. در نهایت، برای بهبود بیشتر عملکرد، ما یک چارچوب صافی گره سوم را برای بهینه سازی نقشه معیار ایجاد می کنیم. در آزمایشات ما دو مدل (رتبه بندی چندگانه با و بدون بهینه سازی) مدل ما را با هفت روش قبلی مقایسه می کنیم و آنها را بر روی چندین مجموعه داده های معیار آزمایش می کنیم. انواع مختلف استراتژی برای ارزیابی نیز اتخاذ می شوند و نتایج نشان می دهد که روش ما پیشرفته ترین حالت را به دست می آورد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
Graph-based approaches for saliency detection have attracted much attention and been exploited widely in recent years. In this paper, we present a new method to promote the performance of existing manifold ranking algorithms. Initially, we use background weight map to provide seeds for manifold ranking; Next, we extend the traditional manifold ranking to second-order formula and add a weight mask to its fitting term. Finally, for further improvement of the performance, we establish a third-order smoothness framework to optimize the saliency map. In the experiments, we compare two versions (manifold ranking with and without optimization) of our model with seven previous methods and test them on several benchmark datasets. Different kinds of strategies are also adopted for evaluation and the results demonstrate that our method achieves the state-of-the-art.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 116, 1 December 2018, Pages 1-7
Journal: Pattern Recognition Letters - Volume 116, 1 December 2018, Pages 1-7
نویسندگان
Dongjing Shan, Xiongwei Zhang, Chao Zhang,