利用深度学习重新审视视觉显著性检测：近期进展综述

《ACM Computing Surveys》：Revisited Visual Saliency Detection with Deep Learning: A Review of Recent Advancements

显著目标检测（SOD）研究如何模拟人类视觉系统识别图像中最吸引人的区域，应用于视频摘要、智能裁剪等领域。传统方法逐步发展为基于深度学习的模型，本文系统综述了深度学习在SOD中的进展，涵盖基准数据集、评估指标及应用场景。

　　

摘要

显著性对象检测（SOD）旨在识别图像或视频中最引人注目的区域，即那些能够自然吸引人类注意力的部分。它已成为计算机视觉领域的一个活跃研究方向，直接应用于视频摘要、智能裁剪、图像字幕生成和视觉跟踪等任务中。在过去的二十年里，人们付出了大量努力来模拟人类视觉系统处理和优先处理视觉信息的方式。这些方法已经从传统的、手工设计的技术发展到基于深度学习的模型。本文旨在对深度学习在显著性检测方面的进展提供一个清晰且结构化的概述，并总结了广泛使用的基准数据集、评估指标以及显著性检测发挥重要作用的关键应用领域。