A flexible framework of adaptive method selection for image saliency detection

برای اکثر وظایف تجزیه و تحلیل داده (به عنوان مثال تشخیص حساسیت بصری)، معمولا روشهای کاندیدای زیادی انتخاب می شود. با این حال، انتخاب بسیار مناسب برای نمونه های جدید بسیار دشوار است، به ویژه هنگامی که عملکرد این روش ها با اختلاف کمی وجود دارد. اگر چه استراتژی تجمیع هدف از استفاده از روش های مختلف است، اما اغلب دارای ضعف های زیر است. در ابتدا، این روش ها غالبا تمایل به ترکیب نتایج از این روش های کاندید دارند. بنابراین، از هزینه محاسبه بالا رنج می برند. در مرحله دوم، عملکرد ممکن است به طور قابل ملاحظه ای کاهش پیدا کند زمانی که نتایج به وضوح ضعیف وجود دارد. برای رسیدگی به دو محدودیت فوق، ما یک رویکرد انتخاب روش روش نمونه ای را پیشنهاد می کنیم که هدف آن انتخاب یک روش واحد به جای جمع آوری نتایج تمام کاندیداها است. رویکرد پیشنهادی بر اساس مشاهدات زیر است: روش های مختلف اغلب به صورت متفاوت عمل می کنند و عملکرد یک روش اغلب با توجه به نمونه های مختلف متفاوت است. از این رو، شیوه انتخاب شیوه را برای تطبیق بهترین شیوه برای یک نمونه خاص انتخاب می کنیم. ما مشکل انتخاب روش را به یک مسئله حاشیه نویسی چند لای تبدیل می کنیم که به طور کلی برای بسیاری از کاربردها و انعطاف پذیری برای استفاده از تکنیک یادگیری متریک است.