Task
- 视觉显著性 Visual Saliency（这篇文章2017年左右，很早了）
- 显著性由视觉对比产生，直观的表征了图像的某些部分与相邻区域比较更突出。
- 本文发现，利用CNN提取的多尺度特征具有较高视觉显著性，在视觉识别方面取得了巨大成功。因此，本文引入了一种神经网络结构，在CNN后跟着FC层，提取三种不同尺度（相互嵌套）的特征（分别是考虑区域、相邻区域和整个区域）。
- 另外，本文还构建了一个新的大型数据库，包括4447幅图像，且具有像素级显著性标注。
Attributions
- 提出了新的视觉显著性模型
- 将CNN显著性模型与空间一致性模型、图像分割结合为一个完整框架
- 创建新的有挑战性的数据集HKU-IS
Pipeline
- 首先，使用三个尺度不同的CNN对特征进行提取，然后送入两个全连接层，每层300个神经元。
- 第二个全连接层的输出被传送到输出层，输出层执行双向softmax，在二进制显著性标签上产生分布。
- 多次训练，为该区域产生一个显著性评分，进一步转移到区域内所有像素。