使用超像素+紧密度算子+传统分类器的图像显著区域检测

环境: Python 2.7

依赖: pip install boxx hpelm;conda install opencv

测试: python test.py

Update in 2018.12

调用命令:

cd ../salience-ELM
source activate /home/yanglei/miniconda2
rlaunch -P 50 --cpu=1 --memory=15240  -- python algorithm.py
source deactivate

Update in 2018.08

• 增加了 Detecting Salient Objects via Color and Texture Compactness Hypotheses 的原始 Saliency 方法.

注意:

1. from boxx import * 可能会和早期版本冲突
2. algorithm.buildMethodDic 是个函数字典, 存储各个方法, 比较重要
3. coarseMethods=[] 则为 Compactness 原文的原始方法

---

Old Version (2016)

基于ELM的图像显著区域检测

---

作者：小磊

邮箱：[email protected]

时间：2016-11-20

环境

Python版本：Python 2.7 with Ipython

常见库：numpy,skiamge

ELM库： hpelm

下载地址:https://pypi.python.org/pypi/hpelm（建议手动安装）

文档：http://hpelm.readthedocs.io/en/latest/api/elm.html

数据集：http://202.118.75.4/lu/DUT-OMRON/index.htm

注意事项

将数据集的DUT-OMRON-image和pixelwiseGT-new-PNG文件夹放到 项目父文件夹下

(参考调用代码imgDir = '../DUT-OMRON-image/')