概述 显著性目标检测也被称为显著性检测，旨在通过模拟人类视觉感知系统来检测自然场景图像中最显著的目标和区域。虽然，显著性目标检测听名字是一个检测任务，但是实际上是一个图像分割任务，即一个像素级分类任务，是一个数据所驱动的一个任务。是将自然图像中的显著目标分割出来，显著目标也可以理解为前景。如下图中给出了显著目标检测的示意图。从下图中可以看出显著性目标检测是一个像素级别的二分类任务。在早期的显著目

BASNet: Boundary-Aware Salient Object Detection 简述： 对于显著性目标检测，以往的研究大多集中在区域精度上，而不是边界质量上。在这篇论文中，我们提出了一种predict-refine architecture，BASNet，以及一种新的混合损耗来实现边界感知的突出对象的设计。 问题or相关工作： 由上图，可以看到现在的方法（FCN等），预测的

accv2022的技术，在我测评的数据集上确实要明显好于basnet，rembg等一众方法。 1.Introduction         使用LR数据集训练的方法通过调整输入尺寸可以在HR图像上产生不错的结果。本文主要关注仅使用LR数据集进行训练以产生高质量的HR预测。HR的有效感受野ERFs和LR图像不同。设计了逆显著性金字塔重建网络InSPyReNet，InSPyReNet来直接生成Im

一种基于简单池化的实时显着目标检测——PoolNet（解读）（原论文） 摘要 通过研究如何扩展卷积神经网络中池化部分来解决显着目标检测问题。 网络基于U形结构，贡献有： 首先在自下而上的路径上构建全局引导模块（GGM），旨在为不同特征层提供潜在显着对象的位置信息。设计了一个特征聚合模块（FAM），使粗级语义信息与自上而下的路径中的精细级别特征完美融合。 通过在自上而下路径中的融合操作

1.介绍 MobileSal: Extremely Efficient RGB-D Salient Object Detection MobileSal：极其高效的RGB-D显著对象检测 2021年发表在 IEEE Transactions on Pattern Analysis and Machine Intelligence。 Paper Code 2.摘要 神经网络的高计算成本阻碍了R

【论文阅读笔记】Uncertainty-aware Joint Salient Object and Camouflaged Object Detection 提示：新手小白，单纯做笔记，如有错误还请指出。 原文链接 GitHub链接：https://github.com/JingZhang617/Joint_COD_SOD 文章目录 Author一、Abstract二、Introdu

这个代码非常强大，最近作者更新了模型 我也特别更新一篇博文 【最新同步更新教程链接 – 2021-9-3 】-- 敬请移步 文章目录 U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection环境搭建项目结构如下项目测试步骤（官方教程）项目测试（个人记录）总结备注2021-1-11 素描数据集补