65 / 2022-09-30 10:36:05

深度学习下显著性目标检测研究综述

显著性目标检测旨在发现图像中最显著性的区域，属于计算机视觉中的分割任务，常用于场景分类、语义分割和视觉跟踪等任务。在深度学习的发展下，显著性目标检测方法的性能得到极大的提高，本文主要围绕在深度学习下的显著性目标检测方法，首先，根据监督方法主要分为：全监督方法、弱监督方法和无监督方法，其次根根据网络框架和技术方法分类常用方法，并从CAM（Class Activation Map）方法到伪标注标签方法进一步介绍了弱监督方法，然后介绍了显著性目标检测中常用八个数据集和五个评价指标。最后简要分析了当前显著性目标检测面临的主要挑战和展望，并对其一些衍生方向：协同显著性目标检测、高分辨率显著性目标检测和显著性目标排序做出展望。