Saliency Detection by Multi-Context Deep Learning 读后笔记

       菜鸟一枚，刚接触DL，第一次写博客，不知道该怎么写，大致把论文每段的意思概括了一下，多多包涵。

    论文地址：http://www.cv-foundation.org/openaccess/content_cvpr_2015/html/Zhao_Saliency_Detection_by_2015_CVPR_paper.html

       摘要
    问题：低层次的显着性线索或先验不能够产生足够好的显着性检测结果，特别是当显着对象在低对比度的背景与混乱的视觉外观中的时候。
    我们的解决方法：提出一个为显着性检测的多情景深度学习框架，该框架采用深度卷积神经网络在图像中去检测目标的显著性，全局背景和局部背景综合考虑，共同塑造一个统一的多背景深度学习框架。

   为深度卷积神经网络提供更好的初始化，探究了不同的预训练策略和一个设计用多背景模型适应显著性检测的特殊任务预训练方案。在五个公共数据集实验，结果表明不错。

1. Introduction
     显着性检测目的：在图像中突出视觉显著区域或目标，它可以广泛的应用在计算机视觉和图像处理任务中
     常规显著性检测方法注重低级显著性线索或者建模背景先验。存着俩个问题：
   一 计算显着性的模型需要有效的特征表现估计显着性，但有时手动寻找的低级特征的反差不能帮助显著性对象从背景中脱颖而出。
   二 对比不仅在不同的视觉线索，也涉及