学习记录---显著性目标检测

个人学习总结，持续更新中……

参考文献

[1] Borji, A., Cheng, MM., Hou, Q. et al. Salient object detection: A survey. Comp. Visual Media 5, 117–150 (2019). https://doi.org/10.1007/s41095-019-0149-9
[2] 【综述论文】Salient Object Detection: A Survey翻译整理
[3] Salient Object Detection in the Deep Learning Era: An In-Depth Survey
[4] 【论文综述】初探显著性目标检测
[5] 图像显著性目标检测和目标检测的区别是什么？
[6] 显著性目标检测（一）——与图像分割、目标检测的区别

问题1：什么是显著性目标检测，它和目标检测和图像分割有什么区别？

显著性目标检测着重于 显著性目标 这几个字，重点在于目标是显著的，背景全部变为黑色，而显著性目标变为白色，类似于图像分割，但是一般只检测一个显著性目标，也不会涉及到该显著性目标的分类问题（即该目标是人还是狗）。总体来说是一个像素二分类的问题（背景or显著性目标）[5]。

目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置。

图像分割是目标检测更进阶的任务，目标检测只需要框出每个目标的包围盒，而图像分割需要进一步判断图像中每个像素的归属。目前的图像分割任务主要有两类： 语义分割和实例分割。

显著性目标检测与图像分割、目标检测的区别[6]：

• 目标检测与显著性目标检测有重合也有区别：目标检测重点在于是否有目标，显著性目标检测重点在于目标是否是显著的，在一幅图像中，目标并不一定是显著的，显著部分也不一定都是目标。所以目标检测和显著性目标检测不是一个方向的问题。可以使用显著性目标检测来做目标检测背后的假设。
• 图像分割需要对图像中的每一个像素点进行分类，如果图像中有多个类别，像素分类属于多分类问题。显著性目标检测需要找出一张图像中人眼最关注的目标区域，一般只检测一个显著性目标，属于二分类问题。显著性目标检测逐步向图像分割发展，显著性目标检测也叫做显著性目标分割。