{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,5,25]]，“日期-时间”：“2024-05-25T04:37:57Z”，“时间戳”：1716611877149}，“参考-计数”：46，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{-date-parts”：[2018,5,1]]，《日期-时间》：“2018-05-01T00:00:00 0Z“，”时间戳“：15251328000000}，”内容-版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100012166”，“名称”：“国家重点研发计划”，“DOI-asserted-by”：“crossref”，“奖项”：[“2016YFB0502502”]}，{“名称”:“陕西国际合作项目”，“奖”：[”2017KW-006“]}”，{“名称”：“空间微波国家科学技术重点实验室”，“奖项”：[“6142411040404”]}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“交叉标记限制”：true}，“短容器标题”：[“信号处理：图像通信”]，“已出版印刷品”：{“日期部分”：[[2018,5]]}，“DOI”：“10.1016\/j.Image.202018.01.01.012”，“类型”：“journal-article”，“created”：{“date-parts”：[[2018,3,22]]，“date-time”：“2018-03-22T14:17:39Z”，“timestamp”：1521728259000}，“page”：“21-32”，“update-policy”：”http://\/dx.doi.org\/10.10016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：13，“title”：[“基于深度卷积神经网络的Coarse-to-fine显著对象检测”]，“prefix”：“10.1016”，“volume”：“64”，“author”：[{“给定”：“Ying”，“family”：“Li”，“sequence”：“first”，“affiliation”：[]}，{“给出”：“Fan”，“家庭”：“Cui”，“序列”：“additional”，“从属关系”：[]}，}“给定的”：“Xizhe”，“家族”：“薛”\u00a0Chan“，”sequence“：”additional“，”affiliation“：[]}]，“member”：“78”，“reference”：[{“key”：“10.1016\/j.image.2018.01.012_b1”，“doi-asserted-by”：“crossref”，“unstructured”：“U.Rutishauser，D.Walther，C.Koch，P.Perona，自下而上的注意力对物体识别有用吗？in：IEEE Conference on Computer Vision and Pattern recognition，2004，pp.37\u201344.”，“doi”：“101109\/CVPR.2004.1315142”}，{“issue”：“1”，“key”：“10.1016\/j.image.2018.01.012_52”，“doi-asserted-by”：“crossref”，“first page”：”1“，“doi”：“101016\/j.sigpro.2011.04.026”，“article-title”：“使用改进的粒子群优化进行盐度定向彩色图像分割”，“volume”:“92”，“author”：“Lee”，“year”：“2012”，“journal-title“：”Signal Process.“}，{”issue“：”10“，”key“：“10.1016\/j.image.2018.01.012_b3”，“doi-asserted-by”：“crossref”，“first page”：“1304”，“doi”：“10.1109\/TIP.2004.834657”，“article-title”：“使用视觉注意的神经生物学模型自动形成视频压缩中心”，“volume”：”13“，”author“：”Itti“，”year“2004”，“journal-title“：”IEEE Trans.image Process.“}，{”issue“：”10“key”：“10.1016\/j.image.2018.01.012_b4”，“doi-asserted-by”：“crossref”，“first page”：“1223”，“doi”：“10.106\/j.image.2014.08.001”，“article-title”：“显著边缘和区域感知图像重定目标”，“volume”：”29“，“author”：“Wang”，“year”：“2014”，“journal-title“：”Signal Process.，image Commun.“}，{”key“10.1016 \/j-image.2018.012_b5”，“首页”：“1”，“article-title”：“基于质量评估的自适应显著性融合”，“author”：“Zhou”，“year”：“2016”，“journal-title:“Multimedia Tools Appl.”}，{“key”：“10.1016\/j.image.2018.01.012_b6”，“doi-asserted-by”：“crossref”，“unstructured”：“R.Achanta，S.Hemami，F.Estrada，S。Susstrunk，频率调谐显著区域检测，收录于：IEEE计算机视觉和模式识别会议，2009年，第1597\u20131604页突出区域检测和分割”，“作者”：“Achanta”，“年份”：“2008”，“新闻标题”：“计算”。视觉。系统。“}，{”issue“：”11“，”key“：”10.1016\/j.image.2018.01.012_b8“，”doi-asserted-by“：”crossref“，”first-page:“1254”，“doi”：“10.1109\/34.730558”，“article-title”：“用于快速场景分析的基于盐度的视觉注意模型”，“volume”：“20”，“author”：“Itti”，“year”：“1998”，“journal-title“：”IEEE Trans.Pattern Anal.Mach.Intell.“}”，{“key“：”10.1016\/j.image.2018.01.012_b9“，”doi-asserted-by“：”crossref“，”unstructured“：”F.Perazzi，P.Krahenbuhl，Y.Pritch，A.Hornung，《显著过滤器：基于对比度的显著区域检测滤波》，收录于：IEEE计算机视觉和模式识别会议，2012年，第733\u2013740页。“，”doi“：”10.1109\/CVPR.2012.6247743“}，{“key”：“10.1016\/j.image.2018.01.012_b10“，“doi-asserted-by”：“crossref”，“unstructured”：“M.M.Cheng，N.j.Mitra，X.Huang，P.H.Torr，S.M.Hu，基于全局对比度的显著区域检测，收录于：IEEE计算机视觉和模式识别会议，2011年，第409\u2013416页”，“doi”：“10.1109\/CVPR.2011.5995344”}，{“key”：“1016\/j.image.2018.01.012 _b11”，“”第一页“：”545“，”article-title“：”基于图形的视觉显著性“，”author“：”Harel“，”year“：”2006“，”journal-title”：“Adv.Neural Inf.Process。系统。“}，{”key“：”10.1016\/j.image.2018.01.012_b12“，”doi-asserted-by“：”crossref“，”unstructured“：”S.Goferman，L.Zelnik-Manor，A.Tal，Context-aware显著性检测，in：IEEE Conference on Computer Vision and Pattern Recognition，2012，pp.1915\u20131926.“，”doi“：”101109\/TPAMI.2011.272“}”，{“key”：“10.1016\/j.iimage.2018.012_b13”，“doi-assert-by”：“”crossref“，”unstructured“：”M.M.Cheng，J.Warrell，W.Y.Lin，S.Zheng，V.Vineet，N.Crook，《利用软图像抽象进行高效显著区域检测》，收录于：IEEE计算机视觉和模式识别会议，2013年，第1529\u20131536页。“，”DOI“：”10.1109\/ICCV.2013.193“}，{“key”：“10.1016\/J.image.2018.01.012_b14”，“DOI-asserted-by”：“crossref.”，“非结构化”：“Q.Yan，L.Xu，J.Shi，J.Jia，层次显著性检测，摘自：IEEE计算机视觉和模式识别会议，2013年，第1155\u20131162页。”，“DOI”：“10.1109\/CVPR.2013.153”}，{“key”：“101016\/J.image.2018.01.012_b15”，“DOI-asserted-by”：“crossref”，“非结构化”。Sun，使用背景先验的大地测量显著性，载于：欧洲计算机视觉会议，2012年，第29\u201342.页。杨，通过基于图形的流形排名进行显著性检测，收录于：IEEE计算机视觉和模式识别会议，2013年，第3166\u20133173页。“，”DOI“：”10.1109\/CVPR.2013.407“}，{“key”：“10.1016\/j.image.2018.01.012_b17”，“DOI-asserted-by”：“crossref”，“unstructured”：“W.Zhu，S.Liang，Y.Wei，j。Sun，鲁棒背景检测的显著性优化，收录于：IEEE计算机视觉和模式识别会议，2014年，第2814\u20132812页。“，”DOI“：”10.1109\/CVPR.2014.360“}，{“issue”：“5”，“key”：“10.1016\/j.image.2018.01.012_b18”，“DOI-asserted-by”：“crossref”，“first page”：”1937“，“DOI”：“101109\/TIP.2014.2307434”，“article-title”：“显著树：一种新的显著性检测框架”，“卷”：“23”，“作者”：“刘”，“年份”：“2014”，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”10.1016\/j.image.2018.01.012_b19“，”doi-asserted-by“：”crossref“，”unstructured“：”H.Jiang，j.Wang，Z.Yuan，Y.Wu，N.Zheng，S.Li，显著对象检测：一种区分性区域特征集成方法，收录于：IEEE计算机视觉与模式识别会议，2013年，第2083\u20132090页。“，”doi“：”101109\/CVPR.2013.271“}”，{“key“：”10.1016\/j.image.2018.01.012_b20“，”doi-asserted-by“：”crossref“，”unstructured“：”X.Li，Y.Li，C.Shen，A.Dick，A.Van Den Hengel，用于显著对象检测的上下文超图建模，in：IEEE国际计算机视觉会议，2013，pp.3328\u20133335.“，“doi”：“10.1109\/ICCV.2013.413”}，{“issue”：“4”，“key”：“10.1016\/j.image.2018.01.012_b21“，”doi-asserted-by“：”crossref“，”first page“：”517“，”doi“：”10.1109\/LSP.2016.2536743“，”article-title“：”通过多核提升和自适应融合改进显著性检测“，”volume“：“23”，”author“：”Zhou“，”year“：”2016“，”journal-title”：“IEEE Signal Process。莱特。“}，{”issue“：”4“，”key“：”10.1016\/j.image.2018.01.012_b22“，”doi-asserted-by“：”crossref“，”first page“：“1911”，“doi”：“10.1109\/TIP.2017.2669878”，“article-title”：“通过多实例学习进行显著对象检测”，“volume”：“26”，“author”：“Huang”，“year”：“2017”，“journal-title“：”IEEE Trans.image Process.“}.image.2018.01.012_b23“，”非结构化“：”G.Li，Y.Yu，《基于多尺度深层特征的视觉显著性》，载于：IEEE计算机视觉与模式识别会议，2015年，第5455\u20135463页。“}，{“key”：“10.1016\/j.image.2018.01.012_b24”，“doi-asserted-by”：“crossref”，“非结构化”：“L.Wang，H.Lu，X.Ruan，M.H。杨，通过局部估计和全局搜索进行显著性检测的深度网络，收录于：IEEE Conference on Computer Vision and Pattern Recognition，2015年，第3183\u20133192页article-title“：“学习检测显著物体”，“volume”：“33”，“author”：“Liu”，“year”：“2011”，“journal-title”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.image.2018.01.012_b26“，”doi-asserted-by“：”crossref“，”unstructured“：”j.Long，E.Shelhamer，T.Darrell，《语义分割的全卷积网络》，收录于：IEEE计算机视觉与模式识别会议，2015年，第3431\u20133440页。“，”doi“：”101109\/CVPR.2015.7298965“}”，{“key”：“10.1016\/j.image.2018.01.012_b27“，”doi-asserted-by“：”crossref“，”unstructured“：”N.Liu，j.Han，DHSNet:用于显著目标检测的深度层次显著网络，in：IEEE计算机视觉和模式识别会议，2016，pp.678\u2013686.“，”doi“：”10.1109\/CVPR.2016.80“}，{“issue”：“8”，“key”：“10.1016\/j.iimage.2018.012_b28”，”doi-asserted-by“：”crossref“，”first page“：”3919“，”doi“：”10.1109\/TIP.2016.2579306“，”article-title“：”深度显著性：用于显著对象检测的多任务深度神经网络模型“，”volume“：“25”，”author“：”Li“，“year”：“2016”，“journal-title”：“IEEE Trans。图像处理。“｝，｛”key“：”10.1016\/j.image.2018.01.012_b29“，”doi断言者“：”crossref“，”非结构化“：”G.Li，Y.Yu，用于显著对象检测的深度对比学习，在：IEEE计算机视觉和模式识别会议，2016，pp.478\u2013487.“，”doi“：”10.1109\/CVPR.2016.58“｝，｛”key“：”10.1016\/j.image.2018.01.012_b30“，”doi断言者“：”crossref“，”非结构化”：“L.Wang，L.Wan，H.Lu，P.Zhang，R.Xiang，递归全卷积网络的显著性检测，in：欧洲计算机视觉会议，2016，pp.825\u2013841.”，“DOI”：“10.1007\/978-3-319-46493-0_50”}，{“key”：“101016\/j.image.2018.01.012_b31”，“DOI-asserted-by”：“crossref”，“非结构化”。Gudisa，J.H.Dholakiya，R.V.Babu，《显著性统一：同时注视预测和显著对象分割的深层架构》，载于：IEEE计算机视觉和模式识别会议，2016年，第5781\u20135790页。“，”DOI“：”10.1109\/CVPR.2016.623“}，{“key”：“10.1016\/J.image.2018.01.012_b32”，“article-title”：“深度卷积神经网络的Imagenet分类”，“作者”：“Krizhevsky”，“年份”：“2012年”，“期刊标题”：“高级神经信息处理”。系统。“}，{”key“：”10.1016\/j.image.2018.01.012_b33“，”doi-asserted-by“：”crossref“，”unstructured“：”R.Girshick，j.Donahue，T.Darrell，j.Malik，《用于准确对象检测和语义分割的丰富特征层次》，收录于：IEEE Conference on Computer Vision and Pattern Recognition，2014.“，”doi“：”101109\/CVPR.2014.81“}”，{“issue”：“2”，“key”：“”10.1016\/j.image.2018.01.012_b34“，”doi-asserted-by“：”crossref“，”first page“：”154“，“doi”：“10.1007\/s11263-013-0620-5”，“article-title”：“对象识别的选择性搜索”，“volume”：“104”，“author”：“Uijlings”，“year”：“2013”，“journal-title“：”Int.j.Compute。视觉。“}，{”issue“：”11“，”key“：”10.1016\/j.image.2018.01.012_b35“，”doi-asserted-by“：”crossref“，”first page“：“2274”，“doi”：“10.1109\/TPAMI.2012.20”，“article-title”：“与最先进的超像素方法相比切片超像素”，“volume”：“34”，“author”：“Achanta”，“year”：“2012”，“journal-title“：”IEEE Trans.Pattern Anal.Mach.Intell.“}，{“问题”：“12”，“密钥”：“10.1016\/j.image.2018.01.012_b36“，”doi asserted by“：”crossref“，”首页“：”5671“，”doi“：”10.1109\/TIP.2015.244857882“，”文章标题“：”通过自适应多级区域合并进行基于标准化切割的显著性检测“，”卷“：”24“，”作者“：”Fu“，”年份“：”2015“，”期刊标题“：”IEEE Trans。图像处理。“}，{”key“：”10.1016\/j.image.2018.01.012_b37“，”unstructured“：”W.Zou，K.Kpalma，Z.Liu，j.Ronsin，用于显著性检测的分段驱动低阶矩阵恢复，in：英国机器视觉会议，2015，pp.78.1\u201378.11“}。Yu，J.Peng，UFO的显著区域检测：唯一性、聚焦性和对象性，收录于：IEEE国际计算机视觉会议，2013年，第1976\u20131983页Chen”，“年份”：“2017年”，“期刊标题”：“神经计算”}，{“key”：“10.1016\/j.image.2018.01.012_b40”，“非结构化”：“M.Vida，H.James，显著对象分割性能度量的设计和知觉验证，摘自：IEEE计算机学会计算机视觉知觉组织研讨会，2010年。”}10.1016 \/j.image.2018.01.012_b41“，“非结构化”：“K.Simonyan，A.Zisserman，用于大规模图像识别的极深卷积网络。arXiv预印本arXiv，2014.“}，{”issue“：”2“，”key“：”10.1016\/j.image.2018.01.012_b42“，”doi-asserted-by“：”crossref“，”first-page“：”167“，“doi”：“10.1023\/B:VISI.0000022288.19776.77”，“article-title”：“高效的基于图形的图像分割”，“volume”：“59”，“author”：“Felzenszwalb”，“year”：“2004”，“journal-title“：”Int.j.Compute可视“}，{“问题”：“5”，“密钥”：“10.1016\/j.image.2018.01.012_b43“，”doi-asserted-by“：”crossref“，”first page“：”603“，”doi“：”10.1109\/34.1000236“，”article-title“：”Mean shift:a robust approach to feature space analysis“，”volume“：“24”，“author”：“Comaniciu”，“year”：“2002”，“journal-title”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.image.2018.01.012_b44“，”doi-asserted-by“：”crossref“，”unstructured“：”Y.Li，X.Hou，C.Koch，j.M.Rehg，A.L.Yuille，《显著对象分割的秘密》，收录于：IEEE计算机视觉和模式识别会议，2014，第280\u2013287页。“，”doi“：”10109\/CVPR.2014.43“}”，{doi-asserted-by“：”crossref“，”unstructured“：”Y.Jia，E.Shelhamer，J.Donahue，S.Karayev，J.Long，R.Girshick，S.Guadarrama，T.Darrell，Caffe:快速特征嵌入的卷积体系结构，收录于：ACM多媒体国际会议，2014年。“，”doi“：”10.1145\/26478.2654889“}，{“issue”：“2”，“key”：“10.1016\/J.image.2018.01.012_b46”，“”doi-asserted-by“：”crossref“，”first page“：”353“，”doi“：”10.1109\/TPAMI.2010.70“，”article-title“：”Learning to detecting a significant object“，“volume”：“33”，“author”：“Liu”，“year”：“2011”，“journal-title”：“IEEE Trans。模式分析。机器。智力。“}]，”container-title“：[”Signal Processing:Image Communication“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0923596518300985？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“”https:\/\/api.elsevier.com/content\/article\/PII:S0923596518300985？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2020,5,19]]，“date-time”：“2020-05-19T05:25:46Z”，“timestamp”：1589865946000}，“score”：1，“resource”：{“primary”：“URL”：“https:\\/linkinghub.elsevier.com//retrieve\/pii\/S09235 96518300985“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2018,5]]}，”references-count“：46，”alternative-id“：[”S0923596518300985“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.image.2018.01.012“，”relationship“：{}，“ISSN”：[“0923-5965”]，“ISSN-type”：[{“value”：“09235965”，“type”:“print”}]，“subject”：[]，“published”：{“date-parts”：[[2018,5]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}，{”value“：”基于深度卷积神经网络的粗到细显著对象检测“，”name“：”articletite“，”标签“：”article Title“}、{”value“：”信号处理：图像通信“，”name:“journaltitle”、“label”：“Journal Title”}、}“value”：“”https:\/\/doi.org\/10.1016\/j.image.2018.01.012“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}，”{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“\u00a9 2018 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]}