显著性检测与其它任务结合

1.显著性检测与语义分割

《Joint Learning of Saliency Detection and Weakly Supervised Semantic Segmentation》

第一阶段：SSNet-1：使用image-level的语义分割数据集和pixel-level的显著性数据集训练。
SN: segmentation network
SAM:saliency aggregation module
GAP:global average pooling

第二阶段：
用第一阶段训练好的SSNet-1，预测只有image-level标签的分类数据集中的每一张图像的中间C+1响应图，并将其C个类别的分割图与image-level的one-hot 标签相乘，这样抑制了噪声，只保留标签对应的类别的响应图。然后通过CRF进一步修正。最后，根据类别和背景响应图，为每个图像的每个像素指定一个类别（即argmax取最大），得到分割任务的伪标签。
将伪标签作为Ground Truth,进一步训练SSNet-2。

2. 显著性检测结合image caption

《CapSal: Leveraging Captioning to Boost Semantics for Salient Object Detection》

1.Image Captioning Network (ICN)
CNN+LSTM结构，生成caption, 同时得到相应feature CEV，送入LGPN模块（LPM+GPM）
2.Local Perception Module(LPM)
使用mask-rcnn实现该模块。通过Region Proposal Network(RPN) 产生一系列候选框（bounding box）后接两个分支分别用于bounding box的识别和对应物体分割mask的生成。
根据bounding box 中的类别概率与设置好的固定阈值比较，确定显著候选物体，将这些物体的mask统一映射到原始图片的对应位置，得到local perception salience S_l.
3.Global Perception Module(GPM)
生成全局显著图S_g.
4.Fusion Module(FM)
Union Guided Attention mechanism (UGA), 即S_l, S_g相加，得到S_u, 作为spatial attention map, 与global feature GF相乘，得到注意力机制后的feature，然后将该feature 与S_l, S_g concate一起，得到最终salience map S.

overall loss:

L_L 为LPM模块损失，与mask-rcnn定义相同，L_G 为GPM模块交叉熵损失，度量S_g与Ground Truth 差异， L_F为最终salience map S与Ground Truth 的交叉熵损失， L_C为ICN模块损失，定义与SAT模型（Show, attend and tell: Neural image caption generation with visual attention. Computer Science, pages 2048–2057, 2015.）相同。

在inference 阶段，该模型可为每一个输入图片同时产生caption 和 salience map。