認知規律啟發的顯著性物體檢測方法與評測/CCF優博叢書
內容大鋼
顯著性物體檢測（Salient Object Detection, SOD）技術以人類視覺認知機製為基礎，模擬人類視覺系統的注意力機制。該技術涉及電腦視覺、機器學習、認知心理學、腦科學等多個學科，是典型的交叉學科技術，在現實生活中有著廣泛的應用基礎。
本書從數據採集、模型構建和評價標準設計三個方面對SOD技術展開了系統的研究，包括開放環境下的圖像SOD技術、動態場景下的SOD視覺轉移建模技術以及符合人類認知規律的評價指標設計。
本書可以作為高等院校電腦視覺及模式識別相關專業的本科生、研究生，以及電腦相關領域科研工作者的參考書。
作者介紹
范登平|責編:游靜
范登平，蘇黎世聯邦理工學院博士后研究員，曾任阿聯酋起源人工智慧研究院（IIAI）研究員、阿里巴巴達摩院高級演算法工程師。長期從事電腦視覺領域中基礎理論和應用的研究，在認知規律啟發的視覺場景理解和評價準則方面取得了重要突破。在國內外權威期刊和會議上發表CCF A類論文近40篇（含6篇/EEE TPAM/論文），連續兩年入選CVPR Best Paper Finalists，榮獲首屆計圖開發者大會傑出論文獎和最具影響力（應用）論文獎，連續兩次入選由美國斯坦福大學公布的全球前2%頂尖科學家榜單（2021年、2022年）。「偽裝目標檢測」任務被英國權威雜誌New Scientist撰文報道，獲中國專利6項、美國專利3項。擔任中國電腦學會電腦視覺專業委員會委員、IEEE高級會員、CVPR 2023領域主席、第七屆MICCAI眼科醫學影像分析研討會領域主席，擔任國際期刊Computer Vision and Machine Learning的編委，長期擔任IEEETPAMI、IEEE TIP、IEEE TMI/等20余種知名刊物的評審員。
目錄
叢書序
推薦序Ⅰ
推薦序Ⅱ
導師序
摘要
ABSTRACT
第1章 緒論
1.1 本書背景
1.1.1 研究背景
1.1.2 國內外研究現狀
1.1.3 開放性評測數據集及智能檢測模型
1.1.4 綜合評價體系
1.2 研究目標與主要貢獻
1.3 本書的組織結構
第2章 相關工作
2.1 圖像顯著性物體檢測
2.1.1 圖像顯著性物體檢測數據集
2.1.2 基於深度學習的圖像顯著性物體檢測模型
2.2 視頻顯著性物體檢測
2.2.1 視頻顯著性物體檢測數據集
2.2.2 視頻顯著性物體檢測模型
2.3 非二進位顯著性物體檢測評價指標
2.3.1 二值顯著圖的評估
2.3.2 非二值顯著圖的評估
2.3.3 當前指標的局限性
2.4 二進位顯著性物體檢測評價指標
第3章 富上下文環境下的顯著性物體檢測數據集與評測
3.1 引言
3.1.1 背景知識
3.1.2 研究動機
3.1.3 解決方案概要
3.2 SOC數據集
3.2.1 存在非顯著物體
3.2.2 圖像的數量和類別
3.2.3 顯著物體的全局/局部顏色對比
3.2.4 顯著物體的位置
3.2.5 顯著物體的大小
3.2.6 高質量的顯著對象標籤
3.2.7 具有屬性的顯著對象
3.3 基於深度學習的顯著性檢測模型評測結果
3.3.1 評估指標
3.3.2 指標統計
3.3.3 基於屬性的評估
3.4 討論和結論
第4章 基於注意力轉移機制的視頻顯著性物體檢測
4.1 引言
4.1.1 背景知識
4.1.2 研究動機
4.1.3 解決方案概要
4.2 DAVSOD數據集
4.2.1 視頻採集
4.2.2 數據標注
4.2.3 數據集的特點與統計
4.2.4 數據集劃分
4.3 SSAV模型
4.3.1 基於顯著性轉移的視頻顯著性物體檢測模型
4.3.2 實現細節
4.4 視頻顯著性物體檢測模型評測結果
4.4.1 實驗設置
4.4.2 性能比較和數據集分析
4.4.3 分離實驗
4.5 討論和結論
第5章 基於結構相似性的顯著性檢測評價指標
5.1 引言
5.1.1 背景知識
5.1.2 研究動機
5.1.3 解決方案概要
5.2 S-measure指標
5.2.1 面向區域的結構相似性度量
5.2.2 面向物體的結構相似性度量
5.2.3 結構相似性指標
5.3 實驗驗證
5.3.1 元度量1：應用排序
5.3.2 元度量2：新水平vs.通用映射圖
5.3.3 元度量3：標準顯著圖替換
5.3.4 元度量4：標注錯誤
5.3.5 進一步比較
5.3.6 元度量5：人的判別
5.3.7 顯著性模型比較
5.4 討論和結論
第6章 基於局部和全局匹配的顯著性物體檢測評價指標
6.1 引言
6.1.1 背景知識
6.1.2 研究動機
6.1.3 解決方案概要
6.2 E-measure指標
6.2.1 局部項
6.2.2 局部全局匹配項
6.2.3 局部全局匹配指標
6.3 實驗驗證
6.3.1 元度量
6.3.2 數據集和模型
6.3.3 元度量1：應用排序
6.3.4 元度量2：先進vs.通用映射圖
6.3.5 元度量3：先進vs.隨機雜訊
6.3.6 元度量4：人為排序
6.3.7 元度量5：手工標注圖替換
6.4 討論和結論
第7章 總結與展望
7.1 工作總結
7.2 展望
參考文獻
致謝
在學期間的學術論文與研究成果
叢書跋
[