顯著性 API

詳細說明

許多計算機視覺應用可以從理解人類在給定場景中關注點來獲益。除了認知上理解人類感知影像和場景的方式之外，找到影像中的顯著區域和物件還有助於加速物件檢測、物件識別、物件跟蹤和內容感知影像編輯等各種任務。

關於顯著性，文獻豐富但發展非常碎片化。本 API 的主要目的是提供一個統一的介面、一個統一的框架來使用和插入各種性質和方法非常不同的顯著性演算法，但它們具有相同的目的，將演算法組織成三個主要類別

靜態顯著性**: 屬於此類別的演算法利用不同的影像特徵來檢測非動態場景中的顯著物件。

運動顯著性**: 屬於此類別的演算法特別專注於隨時間（因此也隨幀）檢測顯著物件，因此有一個時間成分用於檢測“運動”物件作為顯著項，這意味著也以更廣泛的意義檢測場景中的變化。

物件性**: 物件性通常表示為一個值，反映一個影像視窗覆蓋任何類別物件的可能性。屬於此類別的演算法透過提出少量與類別無關的候選來實現，這些候選預計會覆蓋影像中的所有物件。能夠先感知物件再識別它們與自下而上的視覺注意力（顯著性）密切相關。

顯著性圖

要了解 API 如何工作，請嘗試跟蹤器演示： https://github.com/fpuja/opencv_contrib/blob/saliencyModuleDevelop/modules/saliency/samples/computeSaliency.cpp

注意

此 API 是使用 PlantUML 設計的。如果您修改此 API，請更改 UML。

類
類	cv::saliency::MotionSaliency
類	cv::saliency::MotionSaliencyBinWangApr2014
	來自 Algorithm 的快速自適應背景減除 Algorithm 來自 [296] 更多...
類	cv::saliency::Objectness
類	cv::saliency::ObjectnessBING
	物件性演算法基於 [3] [3] Cheng, Ming-Ming, et al. "BING: Binarized normed gradients for objectness estimation at 300fps." IEEE CVPR. 2014. 更多...
類	cv::saliency::Saliency
類	cv::saliency::StaticSaliency
類	cv::saliency::StaticSaliencyFineGrained
	來自 [203] 的精細顯著性 Saliency 方法 更多...
類	cv::saliency::StaticSaliencySpectralResidual
	來自 [131] 的光譜殘差方法 更多...