In this paper, we study the salient

In this paper, we study the salient object detection problem for images. We formulate this problem as a binary labeling task where we separate the salient object from the background. We propose a set of novel features, including multiscale contrast, center-surround histogram, and color spatial distribution, to describe a salient object locally, regionally, and globally. A conditional random field is learned to effectively combine these features for salient object detection. Further, we extend the proposed approach to detect a salient object from sequential images by introducing the dynamic salient features. We collected a large image database containing tens of thousands of carefully labeled images by multiple users and a video segment database, and conducted a set of experiments over them to demonstrate the effectiveness of the proposed approach.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราต้องศึกษาปัญหาตรวจวัตถุเด่นภาพ เรากำหนดปัญหานี้เป็นไบนารีการติดฉลากที่เราแยกวัตถุเด่นจากพื้นหลังงาน เราเสนอชุดของนวนิยาย multiscale ความคมชัด ระบบศูนย์ฮิสโตแกรม และสี กระจาย เพื่ออธิบายวัตถุเด่น สมควร และนานาชาติ เขตสุ่มตามเงื่อนไขเป็นการเรียนรู้อย่างมีประสิทธิภาพรวมคุณลักษณะเหล่านี้สำหรับการตรวจหาวัตถุที่เด่น เพิ่มเติม ตึกวิธีนำเสนอเพื่อตรวจหาวัตถุเด่นจากรูปภาพ โดยการแนะนำคุณสมบัติเด่นแบบไดนามิก เราเก็บรวบรวมฐานข้อมูลรูปภาพขนาดใหญ่ที่ประกอบด้วยหมื่นภาพป้ายอย่างระมัดระวังโดยผู้ใช้หลายคนและฐานข้อมูลวิดีโอเซ็ก และชุดการทดลองเหล่านั้นแสดงให้เห็นถึงประสิทธิภาพของวิธีการนำเสนอ

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราศึกษาปัญหาที่สำคัญการตรวจสอบวัตถุสำหรับภาพ เรากำหนดปัญหานี้เป็นงานการติดฉลากไบนารีที่เราแยกวัตถ​​ุเด่นจากพื้นหลัง เราได้นำเสนอชุดของคุณสมบัติใหม่รวมทั้งความคมชัดของ Multiscale, histogram ศูนย์รอบทิศทางและสีกระจายเชิงพื้นที่เพื่ออธิบายวัตถุที่สำคัญประเทศในระดับภูมิภาคและทั่วโลก ข้อมูลการสุ่มแบบมีเงื่อนไขจะได้เรียนรู้ได้อย่างมีประสิทธิภาพรวมคุณสมบัติเหล่านี้ในการตรวจหาวัตถุที่สำคัญ นอกจากนี้เราขยายแนวคิดที่นำเสนอในการตรวจสอบวัตถุที่สำคัญจากภาพต่อเนื่องโดยการแนะนำคุณสมบัติเด่นแบบไดนามิก เราเก็บฐานข้อมูลภาพที่มีขนาดใหญ่ที่มีนับหมื่นของภาพที่มีข้อความอย่างละเอียดโดยผู้ใช้หลายคนและฐานข้อมูลส่วนวิดีโอและดำเนินการชุดของการทดลองที่พวกเขาแสดงให้เห็นถึงประสิทธิภาพของวิธีการที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

งานวิจัยนี้ศึกษาปัญหาสำคัญในการตรวจจับวัตถุสำหรับรูปภาพ เราพิจารณาปัญหานี้เป็นแบบไบนารี การติดฉลาก งานที่เราแยกวัตถุเด่นจากฉากหลัง เราขอเสนอชุดของคุณสมบัติใหม่รวมถึง multiscale ตรงกันข้ามศูนย์ล้อมรอบภาพ และ การกระจายทางพื้นที่สีเพื่ออธิบายวัตถุเด่นทั้งในประเทศ ภูมิภาค และทั่วโลกเงื่อนไขสุ่มสนามเรียนรู้ได้อย่างมีประสิทธิภาพรวมคุณลักษณะเหล่านี้สำหรับตรวจจับวัตถุเด่น . เพิ่มเติม เราขอเสนอวิธีการตรวจจับวัตถุเด่นจากลำดับภาพโดยการแนะนำคุณสมบัติเด่นแบบไดนามิก . เราได้รวบรวมฐานข้อมูลภาพขนาดใหญ่ที่มีนับหมื่นของอย่างระมัดระวัง มีป้ายภาพโดยผู้ใช้หลายและส่วนวิดีโอฐานข้อมูลและดำเนินการชุดของการทดลองที่พวกเขาแสดงให้เห็นถึงประสิทธิภาพของวิธีการที่เสนอ .