×
爱德华多·阿尔瓦雷斯-米兰达;约翰·迪亚斯·盖雷罗

多准则显著性检测：一种（精确的）鲁棒网络设计方法。 （英语） 兹比尔1448.90062

安·Oper。物件。 286，编号1-2649-668（2020）.
提出了一种图像处理中多属性鲁棒显著性检测的框架。该方法结合了现有的显著性检测方法，将显著性区域计算为不同显著性方法中加权遗憾最大最小的显著性区域。作者提出了一种混合整数规划公式来解决MRSD（多准则鲁棒显著性检测）问题。然后他们调查了几种现有的显著性检测方法。他们设计了一种称为JD的新方法，试图通过测量局部颜色变化来识别图像轮廓。他们在总共3000多幅图像的五个不同数据集上进行了数值实验，将MRSD和JD的性能与现有方法进行了比较。他们发现JD的性能优于几种现有方法，并且MRSD提供了在所有显著性检测方面表现良好的健壮解决方案
审核人：马蒂亚斯·埃尔戈特（兰卡斯特）

MSC公司：

90立方厘米 混合整数编程
68单位10 图像处理的计算方法

关键词：

整数规划;显著性检测;基于图形的方法;多准则优化;网络设计;精确算法

软件：

gbvs（gbvs）;冲浪;iCoseg公司
PDF格式BibTeX公司 XML格式引用
\textit{E.Alvarez-Miranda}和\textit{J.Díaz-Guerrero}，Ann.Oper。第286号决议，编号1--2，649--668（2020；Zbl 1448.90062）
全文： 内政部

参考文献：

[1] Achanta，R.、Hemami，S.、Estrada，F.和Süsstrunk，S.（2009年）。频率调谐显著区域检测。2009年IEEE计算机视觉和模式识别会议（第1597-1604页）。
[2] Achanta，R.、Shaji，A.、Smith，K.、Lucchi，A.，Fua，P.和Susstrunk，S.（2010年）。SLIC超像素与最先进的超像素方法进行了比较。技术报告，EPFL，瑞士。
[3] 亚当斯。；Baek，J。；Davis，M.，使用置换面体晶格的快速高维滤波，计算机图形论坛，26，9，753-762（2010）·文件编号：10.1111/j.1467-8659.2009.01645.x
[4] 阿尔瓦雷斯-米兰达，E。；卢比奇，I。；Mutzel，P。；Jünger，M。；Reinelt，G.，最大权连通子图问题，组合优化的面：Martin Grötschel的Festschrift，245-270（2013），纽约：Springer，纽约·Zbl 1317.90299号
[5] 阿尔瓦雷斯-米兰达，E.、卢比奇，I.和穆策尔，P.（2013b）。根最大节点权连通子图问题。在C.Gomes和M.Sellmann（编辑），CPIOR 2013，LNCS（第7874卷，第300-315页）。纽约：施普林格·兹比尔1382.90108
[6] 阿贝莱兹，P。；Maire，M。；Fowlkes，C。；Malik，J.，轮廓检测和分层图像分割，IEEE模式分析和机器智能汇刊，33，5，898-916（2011）·doi:10.1109/TPAMI.2010.161
[7] Batra，D.、Kowdle，A.、Parikh，D.、Luo，J.和Chen，T.（2010年）。icoseg：交互式共切分与智能涂鸦指导。2010年IEEE计算机视觉和模式识别会议（第3169-3176页）。
[8] Bay，H.、Tuytelaars，T.和Van Gool，L.（2006年）。SURF：加速强大功能。A.Leonardis、H.Bischof和A.Pinz（编辑），ECCV 2006，LNCS（第3951卷，第404-417页）。纽约：斯普林格。
[9] Borji，A。；Itti，L.，视觉注意力建模的最新进展，IEEE模式分析和机器智能汇刊，35，1，185-207（2013）·doi:10.1109/TPAMI.2012.89
[10] Borji，A.、Sihite，D.和Itti，L.（2012）。《显著物体检测：基准》，载于A.Fitzgibbon、S.Lazebnik、P.Perona、Y.Sato和C.Schmid（编辑），ECCV 2012，LNCS（第7573卷，第414-429页）。
[11] Bruce，N.，Kornprobst，P.（2009年）。语境在视觉显著性概率模型中的作用。第16届IEEE图像处理国际会议（第3089-3092页）。
[12] Cheng，M.、Zhang，G.、Mitra，N.、Huang，X.和Hu，S.（2011年）。基于全局对比度的显著区域检测。2011年IEEE计算机视觉和模式识别会议（第409-416页）。
[13] 克里米尼西，A.（2004）。微软研究剑桥物体识别图像数据库。http://research.microsoft.com/vision/cambridge/recognition/。2016年3月查阅。
[14] Doumpos，M。；Zopounidis，C。；Galariotis，E.，《在多标准分类问题中推断稳健决策模型：实验分析》，《欧洲运筹学杂志》，236，2，601-611（2014）·Zbl 1317.91022号 ·doi:10.1016/j.ejor.2013.12.034
[15] 埃尔戈特，M。；Gandibleux，X.，《多目标组合优化的调查和注释书目》，OR Spektrum，22，4，425-460（2000）·Zbl 1017.90096号 ·数字标识代码：10.1007/s002910000046
[16] Ehrgott，M.和Wiecek，M.（2005）多目标编程。多标准决策分析：最新调查（第667-708页）。纽约：斯普林格。
[17] Guo，Y.，Wang，X.，Yang，Z.，Wang.，D.，&Ma，Y.（2016）。改进了乳房X光检查异常的显著性检测。在国际计算科学和计算智能会议上（第786-791页）。
[18] 哈雷尔，J。；科赫，C。；Perona，P.，基于图形的视觉显著性，神经信息处理系统的进展，19545-552（2007）
[19] 乔希，T。；戴伊·S。；Samanta，D.，《多模生物特征识别：融合技术的最新进展》，《国际生物计量杂志》，2009年第1期，第4393-417页·doi:10.1504/IJBM.2009.027303
[20] 库韦利斯，P。；Yu，G.，稳健离散优化及其应用（1997），Dordrecht:Kluwer学术出版社，Dordecht·兹比尔0873.90071
[21] Li，J.，Levine，X.，An，M.，&He，H.（2011）基于频域和空域分析的显著性检测。J.Hoey，S.McKenna&E.Trucco（编辑），2011年英国机器视觉会议（第86.1-86.11页）。
[22] Li，Y.、Hou，X.、Koch，C.、Rehg，J.和Yuille，A.（2010年）。显著对象分割的秘密。http://cbi.gatech.edu/salobj/。2016年3月查阅。
[23] Marchesotti，L.、Cifarelli，C.和Csurka，G.（2009年）。视觉显著性检测框架及其在图像缩略图中的应用。第12届IEEE计算机视觉国际会议（第2232-2239页）。
[24] Mishra，A.，《多模生物特征：未来系统的需求》，《国际计算机应用杂志》，2010年第3期，第4期，第28-33页·doi:10.5120/720-1012
[25] Ogryczak，W。；Vetschera，R.，《多标准决策的方法论基础》，《欧洲运筹学杂志》，158，2，267-270（2004）·doi:10.1016/j.ejor.2003.06.003
[26] Perazzi，F.、Krähenbühl，P.、Pritch，Y.和Hornung，A.（2012）。显著性过滤器：用于显著区域检测的基于对比度的过滤。2012年IEEE计算机视觉和模式识别会议（第733-740页）。
[27] Roy，S.和Das，S.（2014年）。使用基于图形的稀有度、空间紧凑度和背景先验进行图像显著性检测。2014年计算机视觉理论和应用会议（第523-530页）。
[28] Russakovsky，O.、Deng，J.、Huang，Z.、Berg，A.和Fei-Fei，L.（2013）。检测鳄梨到南瓜：我们做了什么，我们要去哪里？2013年IEEE计算机视觉国际会议（第2064-2071页）
[29] Vijayanarasimhan，S.和Grauman，K.（2011年）。用于目标检测的高效区域搜索。2011年IEEE计算机视觉和模式识别会议（第1401-1408页）。
[30] Yang，C.，Zhang，L.，Lu，H.，Ruan，X.，&Yang，M.（2013）。通过基于图形的流形排序进行显著性检测。2013年IEEE计算机视觉和模式识别会议（第3166-3173页）。
[31] 周，X。；刘，Z。；孙，G。；Ye，L。；Wang，X.，通过多核增强和自适应融合改进显著性检测，IEEE信号处理快报，23，4，517-521（2016）·doi:10.1010/LSP.2016.2536743
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。