認(rèn)知規(guī)律啟發(fā)的顯著性物體檢測方法與評測

定　價：￥39.00

作　者：	范登平
出版社：	機械工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111715023	出版時間：	2023-01-01	包裝：	平裝-膠訂
開本：	32開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　《認(rèn)知規(guī)律啟發(fā)的顯著性物體檢測方法與評測》的作者范登平博士在蘇黎世聯(lián)邦理工學(xué)院全職從事研究工作。本書的研究內(nèi)容緊密結(jié)合了人類視覺認(rèn)知機制和顯著性計算技術(shù)，所提出的核心技術(shù)為計算機視覺的諸多任務(wù)提供了重要的技術(shù)基礎(chǔ)。由范博士設(shè)計的兩項指標(biāo)已經(jīng)成為SOD領(lǐng)域評測模型的黃金標(biāo)準(zhǔn)，為該領(lǐng)域的學(xué)術(shù)共同體提供了更加全面、客觀的結(jié)果。《認(rèn)知規(guī)律啟發(fā)的顯著性物體檢測方法與評測》共七章：第1章緒論，介紹本書的研究背景并簡述研究目標(biāo)和主要貢獻。第2章相關(guān)工作，介紹相關(guān)工作，包括圖像顯著性物體檢測、視頻顯著性物體檢測、非二進制顯著性物體檢測評價指標(biāo)和二進制顯著性物體檢測評價指標(biāo)。第3章富上下文環(huán)境下的顯著性物體檢測數(shù)據(jù)集與評測，詳細(xì)介紹富上下文環(huán)境下的顯著性物體檢測數(shù)據(jù)集與評測，包括顯著性物體檢測數(shù)據(jù)集的構(gòu)建和基于屬性的評測。第4章基于注意力轉(zhuǎn)移機制的視頻顯著性物體檢測，詳細(xì)介紹本書提出的基于注意力轉(zhuǎn)移機制的視頻顯著性物體檢測技術(shù)、新的視頻顯著物體檢測數(shù)據(jù)集以及模型的評測。第5章基于結(jié)構(gòu)相似性的顯著性檢測評價指標(biāo)，詳細(xì)討論本書提出的基于結(jié)構(gòu)相似性的顯著性檢測評價指標(biāo)，并利用該評價指標(biāo)對多種基于深度學(xué)習(xí)的模型進行評測。第6章基于局部和全局匹配的顯著性物體檢測評價指標(biāo)，討論了本書提出的基于局部和全局匹配的顯著性物體檢測評價指標(biāo)，該指標(biāo)主要針對物體分割之后的二值顯著圖的評價，通過一系列元度量實驗，證明了該指標(biāo)*符合人眼的感知。第7章總結(jié)與展望，總結(jié)全書并討論未來的研究方向。

作者簡介

　　范登平，蘇黎世聯(lián)邦理工學(xué)院博士后研究員，曾任阿聯(lián)酋起源人工智能研究院（IIAI）研究員、阿里巴巴達摩院高級算法工程師。長期從事計算機視覺領(lǐng)域中基礎(chǔ)理論和應(yīng)用的研究，在認(rèn)知規(guī)律啟發(fā)的視覺場景理解和評價準(zhǔn)則方面取得了重要突破。在國內(nèi)外權(quán)威期刊和會議上發(fā)表CCF A類論文近40篇（含6篇IEEE TPAMI論文），連續(xù)兩年入選CVPR Best Paper Finalists，榮獲首屆計圖開發(fā)者大會杰出論文獎和*具影響力（應(yīng)用）論文獎，連續(xù)兩次入選由美國斯坦福大學(xué)公布的全球前2%科學(xué)家榜單（2021年、 2022年）?！皞窝b目標(biāo)檢測”任務(wù)被英國權(quán)威雜志New Scientist撰文報道，獲中國專利6項、美國專利3項。擔(dān)任中國計算機學(xué)會計算機視覺專業(yè)委員會委員、IEEE高級會員、CVPR 2023領(lǐng)域主席、第七屆MICCAI眼科醫(yī)學(xué)影像分析研討會領(lǐng)域主席，擔(dān)任國際期刊Computer Vision and Machine Learning的編委，長期擔(dān)任IEEE TPAMI、IEEE TIP、IEEE TMI等20余種知名刊物的評審員。

圖書目錄

第1章緒論
1.1 本書背景 1
1.1.1 研究背景 1
1.1.2 國內(nèi)外研究現(xiàn)狀 2
1.1.3 開放性評測數(shù)據(jù)集及智能檢測模型 5
1.1.4 綜合評價體系 8
1.2 研究目標(biāo)與主要貢獻 9
1.3 本書的組織結(jié)構(gòu) 13
第2章相關(guān)工作
2.1 圖像顯著性物體檢測 15
2.1.1 圖像顯著性物體檢測數(shù)據(jù)集 15
2.1.2 基于深度學(xué)習(xí)的圖像顯著性物體檢測模型 17
2.2 視頻顯著性物體檢測 21
2.2.1 視頻顯著性物體檢測數(shù)據(jù)集 21
2.2.2 視頻顯著性物體檢測模型 23
2.3 非二進制顯著性物體檢測評價指標(biāo) 27
2.3.1 二值顯著圖的評估 27
2.3.2 非二值顯著圖的評估 28
2.3.3 當(dāng)前指標(biāo)的局限性 29
2.4 二進制顯著性物體檢測評價指標(biāo) 31
第3章富上下文環(huán)境下的顯著性物體檢測數(shù)據(jù)集與評測
3.1 引言 34
3.1.1 背景知識 34
3.1.2 研究動機 36
3.1.3 解決方案概要 37
3.2 SOC數(shù)據(jù)集 38
3.2.1 存在非顯著物體 39
3.2.2 圖像的數(shù)量和類別 40
3.2.3 顯著物體的全局/局部顏色對比 42
3.2.4 顯著物體的位置 44
3.2.5 顯著物體的大小 44
3.2.6 高質(zhì)量的顯著對象標(biāo)簽 44
3.2.7 具有屬性的顯著對象 45
3.3 基于深度學(xué)習(xí)的顯著性檢測模型評測結(jié)果 47
3.3.1 評估指標(biāo) 49
3.3.2 指標(biāo)統(tǒng)計 50
3.3.3 基于屬性的評估 51
3.4 討論和結(jié)論 56
第4章基于注意力轉(zhuǎn)移機制的視頻顯著性物體檢測
4.1 引言 58
4.1.1　背景知識 58
4.1.2　研究動機 59
4.1.3　解決方案概要 60
4.2　DAVSOD數(shù)據(jù)集 65
4.2.1　視頻采集 65
4.2.2　數(shù)據(jù)標(biāo)注 65
4.2.3　數(shù)據(jù)集的特點與統(tǒng)計 70
4.2.4　數(shù)據(jù)集劃分 71
4.3　SSAV模型 72
4.3.1　基于顯著性轉(zhuǎn)移的視頻顯著性物體檢測模型 72
4.3.2　實現(xiàn)細(xì)節(jié) 76
4.4　視頻顯著性物體檢測模型評測結(jié)果 77
4.4.1　實驗設(shè)置 77
4.4.2　性能比較和數(shù)據(jù)集分析 77
4.4.3　分離實驗 83
4.5　討論和結(jié)論 93
第5章　基于結(jié)構(gòu)相似性的顯著性檢測評價指標(biāo)
5.1　引言 94
5.1.1　背景知識 94
5.1.2　研究動機 95
5.1.3　解決方案概要 98
5.2　S-measure指標(biāo) 99
5.2.1　面向區(qū)域的結(jié)構(gòu)相似性度量 100
5.2.2　面向物體的結(jié)構(gòu)相似性度量 101
5.2.3　結(jié)構(gòu)相似性指標(biāo) 103
5.3　實驗驗證 104
5.3.1　元度量1：應(yīng)用排序 104
5.3.2　元度量2：新水平vs.通用映射圖 105
5.3.3　元度量3：標(biāo)準(zhǔn)顯著圖替換 107
5.3.4　元度量4：標(biāo)注錯誤 109
5.3.5　進一步比較 113
5.3.6　元度量5：人的判別 115
5.3.7　顯著性模型比較 118
5.4　討論和結(jié)論 120
第6章　基于局部和全局匹配的顯著性物體檢測評價指標(biāo)
6.1　引言 121
6.1.1　背景知識 121
6.1.2　研究動機 122
6.1.3　解決方案概要 122
6.2　E-measure指標(biāo) 125
6.2.1　局部項 126
6.2.2　局部全局匹配項 128
6.2.3　局部全局匹配指標(biāo) 128
6.3　實驗驗證 129
6.3.1　元度量 129
6.3.2　數(shù)據(jù)集和模型 130
6.3.3　元度量1：應(yīng)用排序 131
6.3.4　元度量2：先進vs.通用映射圖 134
6.3.5　元度量3：先進vs.隨機噪聲 135
6.3.6　元度量4：人為排序 135
6.3.7　元度量5：手工標(biāo)注圖替換 137
6.4　討論和結(jié)論 138
第7章　總結(jié)與展望
7.1　工作總結(jié) 140
7.2　展望 144