Detecção de saliência robusta via classificação de caminhadas aleatórias regularizadas

No campo da detecção de saliência, muitos algoritmos baseados em grafos dependem fortemente da precisão da segmentação de superpixel pré-processada, o que leva a um sacrifício significativo da informação de detalhes da imagem de entrada. Neste artigo, propomos uma nova abordagem de detecção de saliência de baixo para cima que aproveita tanto características baseadas em região quanto detalhes da imagem. Para fornecer estimativas de saliência mais precisas, primeiro otimizamos a seleção de limites da imagem pela remoção de limites errôneos proposta. Considerando os detalhes da imagem e as estimativas baseadas em região, propomos então a classificação de caminhadas aleatórias regularizadas para formular mapas de saliência pixel a pixel a partir das estimativas de saliência de fundo e primeiro plano baseadas em superpixel. Resultados de experimentos em dois conjuntos de dados públicos indicam a precisão e robustez significativamente aprimoradas do algoritmo proposto em comparação com 12 abordagens de detecção de saliência de ponta.