Es pot millorar la detecció de saliency amb CNNs fent servir post-processats d'imatge?
Douton Martin, Josep
Vázquez i Corral, Javier, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Título variante:	Can saliency detection with CNNs be improved using image post-processing?
Título variante:	¿Se puede mejorar la detección de saliency con CNNs utilizando post-procesados ​​de imagen?
Fecha:	2021
Resumen:	La detecció de saliency busca produir un model computacional d'atenció visual selectiva que sigui capaç de predir les regions d'una imatge on l'ull humà centraria la seva vista. En l'actualitat existeixen diversos models basats i no basats en Deep learning que són capaços de solucionar aquesta problemàtica. L'objectiu d'aquest article és demostrar que és possible millorar aquests sistemes fent ús d'un mètode de post-processat d'imatge basat en Gamut Mapping que ja s'havia provat amb èxit per Visual Attention Retargeting. De manera esquemàtica, el que presentem en aquest article són els resultats d'un estudi que combina Gamut Mapping amb 2 sistemes basats en CNNs i 2 sistemes no basats en Deep learning on es compara si l'aplicació d'aquest mètode de post-processatge d'imatge produeix una millora en la predicció de saliency d'aquests sistemes.
Resumen:	Saliency detection aims at producing a computational model of selective visual attention that is able to predict the regions of an image where the human eye would focus its view. There are currently several models both based and not based on Deep learning that are able to solve this problem. The purpose of this article is to demonstrate that it is possible to improve these systems by using a Gamut Mapping-based image post-processing method that has already been successfully tested for Visual Attention Retargeting. Schematically, what we present in this article are the results of a study that combines Gamut Mapping with 2 systems based on CNNs and 2 systems not based on Deep learning where it is compared if the application of this method of image post-processing produces an improvement in the saliency prediction of these systems.
Resumen:	La detección de saliency busca producir un modelo computacional de atención visual selectiva que sea capaz de predecir las regiones de una imagen donde el ojo humano centraría su vista. En la actualidad existen varios modelos basados y no basados en Deep learning que son capaces de solucionar esta problemática. El objetivo de este artículo es demostrar que es posible mejorar estos sistemas haciendo uso de un método de post-procesado de imagen basado en Gamut Mapping que ya se había probado con éxito por Visual Attention Retargeting. De manera esquemática, el que presentamos en este artículo son los resultados de un estudio que combina Gamut Mapping con 2 sistemas basados en CNNs y 2 sistemas no basados en Deep learning donde se compara si la aplicación de este método de post-procesado de imagen produce una mejora en la predicción de saliency de estos sistemas.
Derechos:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan aquestes es distribueixin sota la mateixa llicència que regula l'obra original i es reconegui l'autoria de l'obra original.
Lengua:	Català
Titulación:	Grau en Enginyeria Informàtica [2502441]
Plan de estudios:	Enginyeria Informàtica [958]
Documento:	Treball final de grau ; Text
Área temática:	Menció Computació
Materia:	Detecció de Saliency ; Gamut Mapping ; Post-processat d'imatge ; Visual Attention Retargeting ; Detección de Saliency ; Post-procesado de imagen ; Image post-processing ; Saliency detection

14 p, 2.8 MB

El registro aparece en las colecciones:
Documentos de investigación > Trabajos de Fin de Grado > Escuela de Ingeniería. TFG