基于显著性部分信息的完整轮廓提取

Question

我正在使用一种深度学习方法来寻找图像中的显著对象。显著性查找器的输出是像素信息（0-1之间）。根据一些阈值，我在图像中得到一个区域。但很多时候，它只是一个局部对象。请看下面的图片：

左边的图像是输入的，在第二列，第一行表示显著性的输出，第二行表示轮廓。你知道吗

我试过了。但不知道如何结合显著性和轮廓得到一个对象。在输入图像中，我将寻找一个完整的男孩。你知道吗

你有什么建议吗？你知道吗

Answer 1

我认为突出性和“得到一个对象”在文献中被称为语义-词对象分割，是两个非常明显的问题，把它们混合在一起可能不会得到很好的结果。你知道吗

如果我没记错的话，显著性在很大程度上是关于预测人类注意力在图像中的位置。预测因素通常是基于科学理论的注意或注意机制的大脑，或任何定义的“显着”似乎合理。你知道吗

这是一个简单的问题，即对象分割“对象”是一个非常高级的语义概念（在你的例子中，对象是什么？整个人？他的脸，衬衫，腿，鞋子。语义分割算法试图找到精确的边界，而显著性检测器只是给你一种热图。Here's a nice, fairly recent overview。你知道吗

那你该怎么办？你知道吗

• 如果你是在追求的对象，摆脱显着性，并尝试运行一个国家的艺术对象分割网络。现在所有的方法都是基于深度学习的。

• 如果想要突出的对象，从分割开始，然后根据它们与显著性图的重叠对找到的对象进行评分。

不要从轮廓线中获取物体。不起作用。多年来，人们一直在进行深度学习。和物体分类一样，它也是计算机视觉的一个领域，在这个领域中，深度学习已经向前迈出了一大步，尽管我根本不认为它已经解决了。你知道吗