Çıkıntılı Torbalama

Göze çarpan nesne tespiti zorlu bir iştir ve literatürde aynı yöntem için çeşitli yöntemler önerilmiştir. Sorun, yöntemlerin çoğunun belirli bir görüntü kümesinde iyi performans göstermesi, ancak çeşitli farklı görüntü kümelerine maruz kaldığında başarısız olmalarıdır. Burada, dijital görüntülerde göze çarpan nesneleri çeşitli görüntülerde sağlam bir şekilde tespit etmek için çıkıntılı torbalama adı verilen yeni bir çerçeve önererek bu sorunu ele alıyoruz. Önerilen çerçeve, bir görüntünün üç aşamada çıkma haritasını oluşturur: (i) Mevcut çıkma algılama modellerinin seçimi ve ilk çıkma haritalarının oluşturulması (ii) Uyarlanabilir eşikleme ve çoğunluk oyu kullanılarak ilk çıkıntı haritalarından entegre ikili haritanın oluşturulması ( iii) Entegre ikili harita ve başlangıçtaki çıkıntı haritaları kullanılarak nihai çıkıntı haritasının, önerilen entegrasyon mantığını uygulayarak hesaplanması. Kamuya açık altı veri kümesi üzerinde kapsamlı deneyler. Önerilen yöntemin etkinliğini belirlemek için MSRA10K, DUT-OMRON, ECSSD, PASCAL-S, SED2 ve THUR15K yapılmıştır. Önerilen yöntemin performansı Hassasiyet, Geri Çağırma, F-Ölçümü, Ortalama Mutlak Hata (MAE) ve Alıcı Çalışma Karakteristiği (ROC) eğrisi açısından ölçülür ve 17 klasik en iyi yöntemle 25 son teknoloji ile karşılaştırılır. son on yılın uygulanma yöntemleri, beş mevcut seçilmiş ve üç toplanma çıkıntı yöntemi. Önerilen yöntem, altı veri kümesinin tamamında Geri Çağırma ve ROC eğrisi açısından en iyi performans gösteren yöntemlerle karşılaştırılabilirken, Hassasiyet, F-Ölçü ve MAE açısından karşılaştırılan klasik ve mevcut tüm yöntemlerden daha iyi performans gösterir. Önerilen çerçeve, karşılaştırmalı toplama yöntemlerinden çok daha hızlıdır; ancak performansı, üstünlüğünü destekleyen tüm veri kümelerinde hemen hemen aynıdır.