顯著性檢測論文閱讀整理

1. Visual Saliency Based on Multiscale Deep Features

• 原文鏈接：https://arxiv.org/pdf/1503.08663.pdf
• 翻譯：https://blog.csdn.net/weixin_40740160/article/details/89005994
• 題目：基於多尺度深度特徵的視覺顯著性
• 作者：Guanbin Li，Yizhou Yu
• 發表：2015年4月，arxiv
• 方法概要： 

1. 先對圖像進行超像素分割
2. 多尺度特徵提取，共分爲三個尺度，超像素、超像素鄰域、全局，超像素與超像素鄰域均填充成矩形區域
3. 將三個尺度的矩形區域分別放入一個五層的卷積網絡，得到三個尺度的特徵向量
4. 將三個尺度的特徵向量順序拼接傳入兩層的全連接網絡，計算得到當前超像素塊的顯著性值
5. 按照多個不同的等級進行多次分割，然後可以得到多個尺度的顯著圖，文章中用了15個不同的等級分割
6. 最後顯著圖中每個像素的顯著值是多個等級的顯著值的均值
6. 後處理。爲了增強空間連續性，做了一定的平滑處理，也是使用最小代價函數的方式進行訓練得出

• 網絡結構：

• 已知問題

1. 耗時，對一張400x300的圖像進行顯著性檢測需要8s
2. 複雜，需要對圖片進行多個尺度的分割
3. 沒有足夠充分的保留全局特徵，自身的特徵向量是完全脫離全局特徵得到的

CVPR2015

1. Saliency Detection by Multi-Context Deep Learning

• 原文鏈接：openaccess
• 翻譯：https://blog.csdn.net/qq_26569761/article/details/49053573
• 題目：基於多上下文深度學習的顯著性檢測方法
• 作者：Rui Zhao，等
• 發表：CVPR2015
• 方法概要： 

1. 上下文取全局上下文和局部上下文，先使用SLIC超像素分割
2. 全局上下文以一個超像素爲中心，包含整張圖片，然後進行擴展，再降採樣成227×227×3的圖片
3. 局部上下文同樣以該超像素爲中心選全局上下文的三分之一大小，放縮成227×227×3
4. 分別放入五層卷積網絡中進行計算中心超像素的顯著性，最後將不同尺度上下文中的顯著性進行融合

• 網絡結構

• 已知問題

1. 重複處理，每次要對較大的圖片區域處理，但是最終得到的只是中心超像素的顯著性

2. Deep networks for saliency detection via Local Estimation and Global Search

• 原文鏈接：openaccess
• 翻譯：https://blog.csdn.net/weixin_40740160/article/details/83786695
• 題目：基於局部估計和全局搜索的顯著性檢測深度網絡
• 作者：Lijun Wang，等
• 發表：CVPR2015
• 方法概要： 

1. DNN-L：是一個包含三層卷積層，三層全連接層的深度網絡
2. 滑動窗口裁剪51×51的圖片區域，步長爲10，標記和篩選後放入DNN-L進行局部估計
3. 細化（沒細看）
4. DNN-G由6個全連接層組成。用來生成最終的顯著圖

• 網絡結構

• 已知問題

1. 仍然存在大量的重複處理部分

3. Traditional Saliency Reloaded:A Good Old Model in New Shape

• 原文鏈接：openaccess
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2015
• 方法概要：傳統方法

4. Saliency Detection via Cellular Automata

• 原文鏈接：openaccess
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2015
• 方法概要：元胞自動機

5. Encoding based Saliency Detection for Videos and Images

• 原文鏈接：openaccess
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2015
• 方法概要：

6. Saliency Propagation from Simple to Difficult

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2015
• 方法概要：

7. Robust Saliency Detection via Regularized Random Walks Ranking

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2015
• 方法概要：

8. Co-saliency Detection via Looking Deep and Wide

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2015
• 方法概要：聯合顯著性

9. A Weighted Sparse Coding Framework for Saliency Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2015
• 方法概要：

10. Salient Object Detection via Bootstrap Learning

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2015
• 方法概要：

CVPR2016

1. A Deeper Look at Saliency:Feature Contrast, Semantics, and Beyond

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2016
• 方法概要：綜述性文章/理論研究

2. GraB: Visual Saliency via Novel Graph Model and Background Priors

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2016
• 方法概要：傳統方法/背景先驗

3. Shallow and Deep Convolutional Networks for Saliency Prediction

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2016
• 方法概要：視覺注視點預測、卷積網絡

4. Deep Saliency with Encoded Low level Distance Map and High Level Features

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2016
• 方法概要：

5. DHSNet: Deep Hierarchical Saliency Network for Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2016
• 方法概要：

6. Recurrent Attentional Networks for Saliency Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2016
• 方法概要：

7. Saliency Unified: A Deep Architecture for simultaneous Eye Fixation Predictionand Salient Object Segmentation

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2016
• 方向：視覺注視點與顯著目標分割
• 方法概要：

8. Real-Time Salient Object Detection with a Minimum Spanning Tree

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2016
• 方向：
• 方法概要：傳統方法

9. Local Background Enclosure for RGB-D Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2016
• 方向：RGB-D圖像
• 方法概要：傳統方法

CVPR2017

1. Instance-Level Salient Object Segmentation

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2017
• 方向：顯著實例分割
• 方法概要：

2. Deeply Supervised Salient Object Detection with Short Connections

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2017
• 方向：
• 方法概要：

3. What is and What is not a Salient Object?Learning Salient Object Detector by Ensembling Linear Exemplar Regressors

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2017
• 方向：
• 方法概要：傳統方法？

4. Learning to Detect Salient Objects with Image-level Supervision

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2017
• 方向：
• 方法概要：

5. Deep Level Sets for Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2017
• 方向：
• 方法概要：

6. Non-Local Deep Features for Salient Object Detection

• 原文鏈接：openaccess
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2017
• 方向：
• 方法概要：

CVPR2018

• https://blog.csdn.net/StupidAutofan/article/details/80915535

26. Progressive Attention Guided Recurrent Network for Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：
• 方法概要：

27. Salient Object Detection Driven by Fixation Prediction

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：
• 方法概要：

28. A Bi-directional Message Passing Model for Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：
• 方法概要：

29. Progressively Complementarity-Aware Fusion Network for RGB-D Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：
• 方法概要：

30. Revisiting Salient Object Detection! Simultaneous Detection, Ranking, and Subitizing of Multiple Salient Objects

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：
• 方法概要：

31. Flow Guided Recurrent Neural Encoder for Video Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：視頻顯著性
• 方法概要：

32. PiCANet: Learning Pixel-wise Contextual Attention for Saliency Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：
• 方法概要：

33. Detect Globally, Refine Locally: A Novel Approach to Saliency Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：
• 方法概要：

34. Revisiting Video Saliency: A Large-scale Benchmark and a New Model

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：視頻顯著性
• 方法概要：

35. Deep Unsupervised Saliency Detection: A Multiple Noisy Labeling Perspective

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：
• 方法概要：

36. Going from Image to Video Saliency: Augmenting Image Salience with DynamicAttentional Push

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2018
• 方向：
• 方法概要：

CVPR2019

1. Pyramid Feature Attention Network for Saliency detection

• 原文鏈接：
• 翻譯：基於金字塔特徵注意網絡的顯著性檢測方法
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

2. Co-saliency Detection via Mask-guided Fully Convolutional Networks with Multi-scale Label Smoothing

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：聯合顯著性
• 方法概要：

3. Multi-source weak supervision for saliency detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

4. Understanding and Visualizing Deep Visual Saliency Models

• 原文鏈接：
• 翻譯：深層視覺顯著性模型的理解與可視化
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

5. DeepCO3 : Deep Instance Co-segmentation by Co-peak Search and Co-saliency Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：實例分割
• 方法概要：

6. Salient Object Detection with Pyramid Attention and Salient Edges

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

7. Attentive Feedback Network for Boundary-Aware Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

8. Cascaded Partial Decoder for Fast and Accurate Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

9. A Simple Pooling-Based Design for Real-Time Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

10. Contrast Prior and Fluid Pyramid Integration for RGBD Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

11. An Iterative and Cooperative Top-down and Bottom-up Inference Network for Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

12. CapSal: Leveraging Captioning to Boost Semantics for Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

13. S4Net: Single Stage Salient-Instance Segmentation

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

14. A Mutual Learning Method for Salient Object Detection with intertwined Multi-Supervision

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

15. Shifting More Attention to Video Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

16. BASNet: Boundary-Aware Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：CVPR2019
• 方向：
• 方法概要：

ICCV2015

1. Generic Promotion of Diffusion-Based Salient Object Detection

2. HARF: Hierarchy-associated Rich Features for Salient Object Detection

3. Minimum Barrier Salient Object Detection at 80 FPS

4. A Data-driven Metric for Comprehensive Evaluation of Saliency Models

• 視覺注視點

5. SALICON: Reducing the Semantic Gap in Saliency Prediction by Adapting Deep Neural Networks

6. A Self-paced Multiple-instance Learning Framework for Co-saliency Detection

7. Learning to Predict Saliency on Face Images

• 臉部的視覺注視點

 

ICCV2017

1. Learning Uncertain Convolutional Features for Accurate Saliency Detection

2. Learning Gaze Transitions from Depth to Improve Video Saliency Estimation

3. Saliency Pattern Detection by Ranking Structured Trees

4. Generalized orderless pooling performs implicit salient matching

5. Amulet: Aggregating Multi-level Convolutional Features for Salient Object Detection

6. Look, Perceive and Segment: Finding the Salient Objects in Images via Two-stream Fixation-Semantic CNNs

7. Delving into Salient Object Subitizing and Detection

8. Supervision by Fusion: Towards Unsupervised Learning of Deep Salient Object Detector

9. A Stagewise Refinement Model for Detecting Salient Objects in Images

 

ICCV2019

1.Employing Deep Part-Object Relationships for Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：ICCV2019
• 方向：
• 方法概要：

2. Structured Modeling of Joint Deep Feature and Prediction Refinement for Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：ICCV2019
• 方向：
• 方法概要：

3. Selectivity or Invariance: Boundary-aware Salient Object Detection

• 原文鏈接：
• 翻譯：
• 題目：
• 作者：
• 發表：ICCV2019
• 方向：
• 方法概要：

4. Towards High-Resolution Salient Object Detection

5.  Stacked Cross Refinement Network for Edge-Aware Salient Object Detection

6. Motion Guided Attention for Video Salient Object Detection

7. Semi-Supervised Video Salient Object Detection Using Pseudo-Labels

8. EGNet: Edge Guidance Network for Salient Object Detection

9. Optimizing the F-measure for Threshold-free Salient Object Detection

10. PointCloud Saliency Maps

11. Deep Learning for Light Field Saliency Detection

12. TASED-Net: Temporally-Aggregating Spatial Encoder-Decoder Network for Video Saliency Detection

13. Joint Learning of Saliency Detection and Weakly Supervised Semantic Segmentation

14. Depth-induced Multi-scale Recurrent Attention Network for Saliency Detection

• 方向：RGB-D