这是一种图像视觉显著性提取方法，对应文献S.Goferman,L.Zelnik-Manor,andA.Tal,“Context-awaresaliencydetection,”inIEEECVPR,2010,pp.2376–2383.该文献中的模型同时考虑了图像的局部特征和全局特征，克服了显著区域范围是固定模型以及区域只考虑到前景图像，忽视含有信息量的背景信息的做法，能提取出显著区域轮廓，利于后续处理，但是需要计算图像中每个像素点相当于局部区域的显著性，计算量较大。
2025/3/29 0:47:36
496KB
1
2012年CVPR上备受关注的一篇快速的显著性检测文章：SaliencyFilters:ContrastBasedFilteringforSalientRegionDetection的代码现在可以在第二作者PhilippKrähenbühl的个人主页上下载了。
修改了代码的一些错误，需要搭建好opencv平台，直接编译即可。
修改了代码的一些错误，需要搭建好opencv平台，直接编译即可。
2024/10/20 22:34:58
37KB
1
代码使用opencv实现了itti1998年发表的AModelofSaliency-BasedVisualAttentionforRapidSceneAnalysis文章的算法
2024/10/14 12:04:10
5.71MB
1
公开标准数据集图像显著性检测MSRA1000，包含1000张原图，及对应的标注图。
标注图与原图尺寸相一致。
标注图与原图尺寸相一致。
2024/9/10 11:24:42
40.17MB
1
逐步回归的基本思想是将变量逐个引入模型，每引入一个解释变量后都要进行F检验，并对已经选入的解释变量逐个进行t检验，当原来引入的解释变量由于后面解释变量的引入变得不再显著时，则将其删除。
以确保每次引入新的变量之前回归方程中只包含显著性变量。
这是一个反复的过程，直到既没有显著的解释变量选入回归方程，也没有不显著的解释变量从回归方程中剔除为止。
以保证最后所得到的解释变量集是最优的。
本文件结合实例利用MATLAB实现逐步回归法
以确保每次引入新的变量之前回归方程中只包含显著性变量。
这是一个反复的过程，直到既没有显著的解释变量选入回归方程，也没有不显著的解释变量从回归方程中剔除为止。
以保证最后所得到的解释变量集是最优的。
本文件结合实例利用MATLAB实现逐步回归法
2024/6/2 18:53:45
10KB
1
显著性检测经典论文：Context-AwareSaliencyDetection自己编写的matlab代码实现，包扩所有函数
2024/4/24 0:26:37
407KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB