Salient object detection via proposal selection

مکانیسم های به ثمر رساندن در الگوریتم های پیشنهادی موجود، به خوبی کار نمی کنند و معمولا قادر به ارزیابی دقیق پیشنهادات تولید شده توسط الگوریتم های دیگر نیستند، زیرا آنها از فرایندهای مربوطه نسل پیشنهادی آمده است. در این مقاله، ویژگی های پیشنهادها را بازبینی می کنیم و از طریق انتخاب پیشنهاد، یک روش شناسایی غیرقابل کنترل وجود دارد. ابتدا، شاخص های ارزیابی شیفتگی را دوباره تعریف می کنیم، بر اساس آن برخی از پیشنهادهای منطقهای خوب، انتخاب شده اند. ما برای به دست آوردن نتایج اولیه ابتکاری، بهترین امتیازات را می گیریم. دوم، ما به طور خودآموز یک مرتبه ساختار در یک گروه از تصاویر برای رتبه بندی پیشنهادات و به دست آوردن سطح معیار سطح پیشنهاد برای هر تصویر. این رتبه بندی متفاوت از رتبه بندی های سنتی است که صحت کامل لیست را تضمین می کند، این رتبه را ترجیح می دهد که پیشنهادهایی با کیفیت بالا در نظر گرفته شود بدون در نظر گرفتن بقیه. پس از آن، ما نتیجه اصالت را با ترکیبی از پردازش دقیق بر اساس سوپرپیکسلها اصلاح میکنیم. نتایج تجربی در چهار مجموعه داده های معیار نشان می دهد که روش پیشنهادی در برابر روش های پیشرفته پیشرفت مطلوب دارد.