reference: http://blog.csdn.net/anshan1984/article/details/8657176 http://blog.csdn.net/huangbo10/article/details/19788547?utm_source=tuicool&utm_medium=referral 关于显著度的研究是从生物研究发展而来，早期比较重要的工作是C.Ko

我的笔记 摘要        当前用于提取显着性图的方法可识别输入的某些部分，这些部分对于特定的固定分类器而言最为重要。我们表明，这种对给定分类器的强烈依赖会阻碍其性能。为了解决这个问题，我们提出了与分类器无关的显着性图提取，该方法可以找到任何分类器都可以使用的图像的所有部分，而不仅仅是预先指定的部分。我们观察到，所提出的方法比以前的工作提取了更高质量的显着性图，同时在概念上简单且易于实现。

摘要： 近年来，由于深度学习和大规模注释数据的进步，视觉显著性模型在性能上有了很大的飞跃。然而，尽管付出了巨大的努力并取得了巨大的突破，但模型在达到人类水平的准确性方面仍然存在差距。在这项工作中，我探索了该领域的景观，强调了新的深度显著性模型、基准和数据集。大量的图像和视频显著性模型在两个图像基准和两个大规模视频数据集上进行了审查和比较。此外，我确定了导致模型和人类之间差距的因素，并讨论了需要解

学习参考来自 Saliency Maps的原理与简单实现(使用Pytorch实现)https://github.com/wmn7/ML_Practice/tree/master/2019_07_08/Saliency%20Maps Saliency Maps 原理 《Deep Inside Convolutional Networks: Visualising Image Class

文章《Motion-Aware Rapid Video Saliency Detection》 链接 https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8669851 （吐槽！CSDN什么时候能从文档里直接复制公式，或者智能识别图片中的公式呀，打式子很累耶！） 摘要       本文提出了一种计算效率高、精度高的时空突出目标

摘要 该论文方法主要有两步，第一步采用迁移学习思想，对已存在的网络微调最后一层形成特征提取算子提取特征，第二步使用显著性图作为权重将左右视图提取的特征进行融合，额外的再加上多尺度下的视差信息。将以上提取的特征作为训练所用的数据，最后采用SVR进行训练。 介绍 图像质量评价的主要思想是提取能够反映失真水平的特征，传统的方法里主要有以下两种：基于NSS的特征和基于HVS的特征，但是这些都需要花费

论文题目：Saliency Detection: A Spectral Residual Approach 论文作者：Xiaodi Hou and Liqing Zhang 论文时间：2007 文章中的Spectral Residual（SR）模型并不像Itti模型那样依赖于图像的特征，SR模型不依赖于图像的特征、分类以及其他的先验知识。SR模型关注的是图像的背景部分，找出图像背景在某个空间上满足

论文题目：A Model of Saliency-Based Visual Attention for Rapid Scene Analysis 论文作者：Laurent Itti, Christof Koch, and Ernst Niebur 论文时间：1998 这篇文章可能已经有很多人阅读过，也有不少人写过关于这篇文章的笔记，但是，我想还是自己多读几遍原文，然后记录下自己的想法才是真正的读

标题分析 Boosting SceneGraph Generation：论文目的 Visual RelationSaliency：论文方法，利用关系的视觉 显著性改善SGG效果 动机 任务：生成带有关系 显著性的场景图。如图1（a），我们看向这张图时会把注意力放在<woman-holding-bat>和<bat-hitting-ball>两个三元组上，自发的描述相对重要的关系，而现有场景图方法不

目录 基本信息标题目前存在的问题改进网络结构CMGM模块解答为什么要用这两个编码器进行编码 另一个写的好的参考 基本信息 期刊CVPR年份2022论文地址https://arxiv.org/pdf/2204.05041.pdf代码地址https://github.com/iCVTEAM/PGNet 标题 金字塔嫁接网络的一级高分辨率显著性检测 目前存在的问题 cosod