Detección de regiones salientes usando un proceso de difusión en un grafo disperso de dos capas

La detección de regiones salientes basada en difusión ha recibido recientemente una intensa atención investigación. En este documento, presentamos algunas mejoras efectivas en relación con dos aspectos importantes de los métodos basados en difusión: la construcción de la matriz de difusión y el vector semilla. Primero, construimos un grafo disperso de dos capas, que se genera conectando cada nodo con sus nodos vecinos y el nodo más similar que comparte límites comunes con sus nodos vecinos. En comparación con el grafo de vecindario de dos capas más utilizado, nuestro grafo no solo utiliza de manera efectiva las relaciones espaciales locales, sino que también elimina nodos redundantes disímiles. En segundo lugar, usamos la varianza espacial de los clústeres de superpíxeles para obtener el vector semilla y, en comparación con el previo de límite más utilizado anteriormente, nuestro enfoque puede distinguir mejor las semillas de saliencia de las semillas de fondo, especialmente cuando los objetos salientes aparecen cerca de los límites de la imagen. Finalmente, calculamos dos mapas de saliencia preliminares utilizando los vectores de semillas de saliencia y de fondo, y se obtienen resultados más precisos usando el método de difusión de clasificación en manifold. Integrando estos dos mapas de saliencia basados en difusión, obtenemos el mapa de saliencia final. Amplios experimentos en los que comparamos nuestro método con 20 métodos de última generación existentes en cinco conjuntos de datos de referencia: ASD, DUT-OMRON, ECSSD, MSRA5K y MSRA10K, muestran que el método propuesto tiene un mejor rendimiento en términos de varias métricas de evaluación.