- 作 者：赵雪专著
- 出 版 社：长春：吉林大学出版社
- 出版年份：2018
- ISBN：9787569236460
- 标注页数：118 页
- PDF页数：128 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源128 ≥118页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
1概述 1
1.1 研究背景及意义 1
1.2 视觉显著性理论基础 3
1.2.1 人类视觉系统 3
1.2.2 人类视觉注意机制 6
1.2.3 视觉显著性经典理论框架 8
1.3 视觉显著性关键技术 9
1.3.1 视觉注视点预测 10
1.3.2 显著性区域检测 11
1.4 显著性检测研究现状 12
1.4.1 自底向上的数据驱动模型 12
1.4.2 自顶向下的任务驱动模型 22
1.5 显著性的相关应用 26
1.6 研究内容及组织结构 28
1.6.1 主要研究内容 28
1.6.2 本书的组织结构 30
2分层显著性目标检测框架研究 32
2.1 问题形成 32
2.2 相关研究 34
2.2.1 多维融合模型 34
2.2.2 先验引导模型 34
2.2.3 决策优化模型 35
2.3 分层显著性检测算法 36
2.3.1 图的构建 37
2.3.2 粗粒度层显著图检测 38
2.3.3 细粒度层显著图检测 41
2.3.4 显著图多层融合 42
2.4 实验 44
2.4.1 实验评价指标 44
2.4.2 结果与分析 45
2.5 本章小结 55
3联合显著性检测算法研究 56
3.1 问题形成 56
3.2 相关研究 57
3.2.1 静态显著性检测模型 58
3.2.2 动态显著性检测模型 59
3.3 联合显著性检测算法 60
3.3.1 静态显著性检测 61
3.3.2 动态显著性检测 67
3.3.3 联合显著性融合 71
3.4 实验 72
3.4.1 实验评价指标 72
3.4.2 结果与分析 72
3.5 本章小结 77
4基于深度神经网络模型的显著性目标检测算法 78
4.1 问题形成 78
4.2 相关研究 79
4.3 基于多任务深度神经网络的显著性目标检测算法 81
4.3.1 构建目标上下文图像 82
4.3.2 全卷积神经网络结构 83
4.3.3 目标轮廓检测任务 84
4.3.4 显著性检测任务 85
4.3.5 基于条件随机场的显著图细化 86
4.4 实验 87
4.4.1 实验评价指标 87
4.4.2 结果与分析 87
4.5 本章小结 96
5总结与展望 97
5.1 主要研究成果 97
5.2 工作展望 99
参考文献 100