MSGC:用于显着目标检测的新的自下而上模型

显着性检测已成为计算机视觉和图像处理社区中的热门话题。 利用全局线索已显示出在显着性检测中有效,而在使用全局线索时,大多数先前的工作主要考虑了单尺度分割。 在本文中,我们试图将多尺度全局提示(MSGC)纳入显着性检测。 实现该建议既有趣又具有挑战性(例如,如何获取合适的前景和背景种子;如何将粗糙的显着性结果有效地合并到最终显着性图中)。 为了缓解各种挑战,我们提出了一种解决方案,该解决方案集成了三种目标技术:(i)一种用于获取适当滤波器参数的自适应方法; (ii)选择合适的背景和前景种子的交叉验证方法; (iii)基于权重的方法来合并粗糙显着图。 我们的解决方案易于理解和实施,但不会降低有效性。 我们已经通过广泛使用的基准数据集验证了它的竞争力。