{“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”：[[2024,6,15]]，“日期-时间”：“2024-06-15T16:40:07Z”，“时间戳”：1718469607288}，“引用-计数”：45，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{:“日期-零件”：[2016,9,1]]，”“日期-时刻”：“2016-09-01T00:00:00 0:00Z“，”timestamp“：147268800000}，”content-version“：“tdm”，“延迟天数”：0，“URL”：“https:\/\/weelsevier.com\/tdm\/userlicense\/1.0\/”}]，“资助者”：[｛“DOI”：“10.13039\/50101100001809”，“名称”：“国家自然科学基金会”，“DOI由”断言：“发布者”，“奖项”：[“61375079”，“61005091”]}]，“内容域”：｛“域”：[“elsevier.com”，“sciencedirect.com”]，“交叉标记限制”：真}，“short-container-title”：[“Neurocomputing”]，“published-print”：{“date-parts”：[[2016,9]]}，“DOI”：“10.1016\/j.neucom.2016.04.036”，“type”：“journal-article”，“created”：{“date-parts”：[2016,5,10]]，“date-time”：“2016-05-10T17:47:17Z”，“timestamp”：1462902437000}，”page“301-310”，“update-policy”：”http://\/dx。DOI.org \/10.1016 \/elsevier_cm_policy“，”源“：“Crossref”，“is-referenced-by-count”：6，“title”：[“通过多层次特征预测显著对象”]，“prefix”：“10.1016”，“volume”：“205”，”author“：[{”given“：”Mingqiang“，”family“：”Lin“，”sequence“：”first“，”affiliation“：[]}，{”fixed“：”Chenbin“，“family”：“Zhang”，“sequence”：“additional”，“afliation”：[]{“ORCID”：”http://\ORCID.org\/0000 0001-9312-9089“，“authenticated-orcid”：false，“given”：“Zonghai”，“family”：“Chen”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“issue”：“1”，“key”：”10.1016\/j.neucom.2016.04.036_bib1“，”doi-asserted-by“：”crossref“，”first page“141”，“doi”：“10.1109\/TCSVT.2005.859028”，“article-title”：“彩色图像中视觉注意对象的无监督提取”，“卷”：“16”，“作者”：“汉”，“年份”：“2006”，“日志标题”：“IEEE Trans.Circuits Syst.Video Technol.”}，{“问题”：“5”，“关键”：“10.1016\/j.neucom.2016.04.036_bib2”，“doi-asserted-by”：“crossref”，《首页》：“769”，“doi”：“101109\/TCSVT.2013.2280096”，“文章标题”：“基于区域的显著性检测及其在对象识别中的应用”，“volume”：“24”，“author”：“Ren”，“year”：“2014”，“journal-title”：“IEEE Trans.Circuits Syst.Video Technol.”}，{“issue”：“4”，“key”：”10.1016\/j.neucom.2016.04.036_bib3“，”doi-asserted-by“：”crossref“，”first page“1103”，“doi”：“10.1109\/30.920468”，“article-title“：“The JPEG2000 still image coding system:an overview”，“volume”：“46”，“author”：“Christopoulos”，“year”：“2000”，“journal-title”：“IEEE Trans.Consum.Electron.”}，{“issue”：“5”，“key”：”10.1016\/j.neucom.2016.04.036_bib4“，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.1145\/1409060.1409071“，”article-title“：“优化图像缩放比例”，“卷”：“27”，“作者”：“王”，“年份”：“2008”，“日志标题”：“ACM Trans.Graph”}，{“问题”：“5”，“关键”：“10.1016\/j.neucom.2016.04.036_bib5”，《首页》：“1”，《文章标题》：“草图2photo:互联网图像蒙太奇”，“体积”：“28”，“作家”：“陈”，“年度”：“2009”，“日记标题”：《ACM Trans.Graph》“}，{”键“：“10.1016\/j.neucom.2016.04.036_bib6”，“doi-asserted-by”：“交叉引用”，“首页”：“184”，“doi”：“10.116\/j-neucom.2014.04.054”，“文章标题”：“基于选择性视觉注意的快速物体检测”，“卷”：“144”，”作者“：”郭“，”年份：“2014”，“日志标题”：”神经计算“}”，{“问题”：“11”，“关键”：“1016\/j.neucom.2016.04.05”36_bib7“，”首页“：“1720”，“article-title”：“基于人类视觉智能和粒子滤波的鲁棒目标跟踪算法”，“volume”：“27”，“author”：“Zhu”，“year”：“2012”，“journal-title“：”Control.Decis.“}，{“issue”：“11”，“key”：”10.1016\/j.neucom.2016.04.036_bib8“，”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”，“卷”：“20”，“作者”：“Itti”，“年份”：“1998”，“日志标题”：“IEEE Trans.Pattern Anal.Mach.Intell.”}，{“键”：“10.1016\/j.neucom.2016.04.036_bib9”，“doi-asserted-by”：“crossref”，“非结构化”：“M.Cheng，G.X.Zhang，N.j.Mitra，X.Huang，S.M。胡，基于全局对比度的显著区域检测，载：IEEE计算机视觉与模式识别会议论文集，2011年，第409\u2013416页。“，”DOI“：”10.1109\/CVPR.2011.5995344“}，{“key”：“10.1016\/j.neucom.2016.04.036_bib10”，“unstructured”：“X.Shen and Y。Wu，通过低秩矩阵恢复进行显著对象检测的统一方法，载于：IEEE计算机视觉和模式识别会议论文集，2012年，第853\u2013860页。“}，{“key”：“10.1016\/j.neucom.2016.04.036_bib11”，“doi-asserted-by”：“crossref”，“unstructured”：“T.Judd，K.Ehinger，F.Durand，A。Torralba，《学会预测人类的长相》，载于：IEEE第十二届计算机视觉国际会议论文集，2009年，第2106\u20132113页。“，”DOI“：”10.1109\/ICCV.2009.5459462“}，{“key”：“10.1016\/j.neucom.2016.04.036_bib12”，“非结构化”：“j.Yang，M.H。Yang，Top-down visual salince via joint CRF and dictionary learning，in：IEEE Conference on Computer Vision and Pattern Recognition，2012年，第2296\u20132303页。“}，{“key”：“10.1016\/j.neucom.2016.04.036_bib13”，“doi-asserted-by”：“crossref”，“unstructured”：“R.S.Liu，j.Cao，Z.C.Lin，S.G。Shan，视觉显著性检测的自适应偏微分方程学习，载于：IEEE计算机视觉和模式识别会议论文集，2014年，第3866\u20133873页。“，”DOI“：”10.1109\/CVPR.2014.494“}，{“key”：“10.1016\/j.neucom.2016.04.036_bib14”，“DOI-asserted-by”：“crossref”，“unstructured”：“Z.Jiang and L.S。Davis，子模块显著区域检测，摘自：IEEE计算机视觉和模式识别会议论文集，2013:2043-2050.“，”DOI“：”10.1109\/CVPR.2013.266“}，{“key”：“10.1016\/j.neucom.2016.04.036_bib15”，“unstructured”：“Y.F.Ma，H.j。张，利用模糊增长进行基于对比的图像注意分析，载：《第十一届ACM国际多媒体会议论文集》2013 Multimedia\u05f303，ACM出版社，2003年，第374\u2013381页。“}，{关键”：“10.1016\/j.neucom.2016.04.036_bib16”，“第一页”：“545”，“文章标题”：“基于图形的视觉显著性”，“作者”：“Harel”，“年份”：“2006年”，“新闻标题”：“Proc。高级神经信息处理。系统。“}，{”key“：”10.1016\/j.neucom.2016.04.036_bib17“，”doi-asserted-by“：”crossref“，”unstructured“：”Y.Zhai，M.Shah，使用时空线索的视频序列中的视觉注意检测，收录于：第十四届ACM国际多媒体年会论文集\u2013 Multimedia\u05f306。ACM出版社，2006年，第815\u2013824页。Hornung，显著过滤器：基于对比度的显著区域检测滤波，摘自：IEEE计算机视觉和模式识别会议论文集，2012年，第733\u2013740页。“，“DOI”：“10.1109\/CVPR.2012.6247743”}，{“key”：“101016\/j.neucom.2016.04.036_bib19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Y.Wei，F.Wen，W.Zhu，j。Sun，《使用背景先验的测地显著性》，载于：《欧洲计算机视觉会议论文集》，2012年，第29页，2013年42。“，“DOI”：“10.1007”，{“key”：“101016”，j.neucom.2016.04.036_bib20”，“DOI-asserted-by”：“crossref”，“unstructured”：“C.Yang，L.Zhang，H.Lu，X.Ruan，M.H。杨，通过基于图形的流形排名进行显著性检测，载于：IEEE计算机视觉和模式识别会议论文集，2013年，第3166\u20133173页。“，”DOI“：”10.1109\/CVPR.2013.407“}，{“key”：“10.1016\/j.neucom.2016.04.036_bib21”，“DOI-asserted-by”：“crossref”，“unstructured”：“X.Li，H.Lu，L.Zhang，R.Xiang，M.H。杨，通过密集和稀疏重建进行显著性检测，载：《计算机视觉国际会议论文集》，2013年，第2976\u20132983页。“，”DOI“：”10.1109\/ICCV.2013.370“}，{“key”：“10.1016\/j.neucom.2016.04.036_bib22”，“DOI-asserted-by”：“crossref”，“unstructured”：“W.j.Zhu，S.Liang，Y.C.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论文集，2014年，第2814\u20132821页。“，”DOI“：”10.1109\/CVPR.2014.360“}，{“问题”：“1”，“关键”：“10.1016\/j.neucom.2016.04.036_bib23”，“DOI-asserted-by”：“crossref”，“首页”：“150”，“DOI”：“101109\/TPAMI.2006.3”，“article-title“：”增强图像特征检测中的颜色显著性“，”volume“：”28“，”author“：”van de Weijer“，”year“：”2006“，”journal-title”：“IEEE Trans。模式分析。机器。智力。“}，{”issue“：”11“，”key“：”10.1016\/j.neucom.2016.04.036_bib24“，”doi-asserted-by“：”crossref“，”first page“：“2274”，”doi“：”101109\/TPAMI.2012.20“，”article-title“：”SLIC超像素与核心超像素方法相比“，”volume“：“}，{”问题“：”10“，”key“：”10.1016\/j.neucom.2016.04.036_bib25“，”doi-asserted-by“：”crossref“，”first page“：“1915”，“doi”：“10.1109\/TPAMI.2011.272”，“article-title”：“Context-aware显著性检测”，“volume”：“34”，“author”：“Goferman”，“year”：“2012”，“journal-title“：”IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.neucom.2016.04.036_bib26“，”doi-asserted-by“：”crossref“，”unstructured“：”Q.Yan，L.Xu，j.Shi，j.Jia，层次显著性检测，收录于：IEEE计算机视觉和模式识别会议论文集，2013年，第1155\u20131162页。“，”doi“：”101109\/CVPR.2013.153“}”，{doi-asserted-by“：”crossref“，”unstructured“：”H.Jiang，J.Wang，Z.Yuan，T.Liu，N.Zheng，S.Li，基于上下文和形状先验的自动显著对象分割，in：英国机器视觉会议论文集，2011，pp.1\u201312.“，”doi“：”10.5244\/C.25.110“}，{“key”：“10.1016\/J.neucom.2016.04.036_bib28”，“doi-assert-by”：“crossref”，“非结构化”：“R.Achanta，F.Estrada，P.Wils，S.S\u00fcsstrunk，显著区域检测和分割，载于：《国际计算机视觉系统会议录》，2008年，第66\u201375.页。Hou，L.Zhang，显著性检测：一种光谱残差方法，收录于：IEEE计算机视觉和模式识别会议论文集，2007年，第1\u20138页。“，”DOI“：”10.1109\/CVPR.2007.383267“}，{“key”：“10.1016\/j.neucom.2016.04.036_bib30”，“DOI-asserted-by”：“crossref”，“unstructured”：“R.Achanta，S.Hemami，F.Estrada，S。Susstrunk，频率调谐显著区域检测，摘自：IEEE国际计算机视觉和模式识别会议论文集，2009年，第1597\u20131604页。“，“DOI”：“10.1109\/CVPR.2009.5206596”}，{“key”：“101016\/j.neucom.2016.04.036_bib31”，“DOI-asserted-by”：“crossref”，“unstructured”：“P.Jiang，H.B.Ling，j.Y.Yu，j.L。Peng，UFO的显著区域检测：唯一性、聚焦性和对象性，摘自：《计算机视觉国际会议论文集》，2013年，第1976\u20131983页。“，”DOI“：”10.1109\/ICCV.2013.248“}，{“issue”：“3”，“key”：“10.1016\/j.neucom.2016.04.036_bib32”，“DOI-asserted-by”：“crossref”，“first page”：”569“，“DOI”：“101109\/TPAMI.2014.2345401”article-title“：“基于全局对比度的显著区域检测”，“volume”：“37”，“author”：“Cheng”，“year”：“2015”，“journal-title”：“IEEE Trans。模式分析。机器。“}，{”key“：”10.1016\/j.neucom.2016.04.036_bib33“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1016\\j.neucomm.2015.02.050”，“article-title”：“基于全局特征集成的显著区域检测”，“volume”：“159”，“author”：“Lin”，”year“：”2015“，”journal-title“：”Neurocomputing“}”，{“issue”：“1.neucom.2016.04.036_bib34“，”doi-asserted-by“：”crossref“，”first page“：”62“，”doi“：”10.1109\/TSMC.1979.4310076“，”article-title“：”灰度直方图阈值选择方法“，”volume“：“9”，”author“：”Otsu“，”year“：”1979“，”journal-title”：“IEEE Trans。系统。伙计，赛本。“}，{”issue“：”4“，”key“：”10.1016\/j.neucom.2016.04.036_bib35“，”doi-asserted-by“：”crossref“，”first page“：“426”，”doi“：”101049\/iet-ipr.2010.0078“，”article-title“：”Modified 2D Otsu图像分割算法及快速实现“，”volument“：”6“，”author“：”Chen“，”year“：”2012“，”journal title“：“image Process.，iet”}，”{“issue”：“11“，”键“：”10.1016\/j.neucom.2016.04.036_bib36“，”doi-asserted-by“：”crossref“，”first page“：”4185“，”doi“：”10.1109\/TIP.2015.2460013“，”article-title“：”使用局部梯度流优化和全局细化的一致视频显著性“，”volume“：“24”，”author“：”Wang“，”year“：”2015“，”journal-title”：“IEEE Trans。图像处理。“}，{”key“：”10.1016\/j.neucom.2016.04.036_bib37“，”unstructured“：”W.Wang，j.Shen，F.Porikli，Saliency-ware测地视频对象分割，收录于：IEEE计算机视觉和模式识别国际会议论文集，2015年，第3395\u20133402页crossref“，“首页”：“3137”，“DOI”：“10.1109\/TIP.2015.2438550”，“article-title”：“鲁棒视频对象联合分割”，“卷”：“24”，“作者”：“王”，“年份”：“2015”，“日志标题”：“IEEE Trans。图像处理。“}，{”issue“：”4“，”key“：”10.1016\/j.neucom.2016.04.036_bib39“，”doi-asserted-by“：”crossref“，”first page“：“1451”，”doi“：”101109\/TIP.2014.2302892“，”article-title“：”Lazy random walks for superpixel segmentation“，”volume“:”23“，”author“：”Shen“，”year“：”2014“，”journal title“：“IEEE Trans.Image Process.”}，”{“issue”：“5”，“键”：“10.1016\/j.neucom.2016.04.036_bib40“，”doi-asserted-by“：”crossref“，”first page“：”1689“，”doi“：”10.1109\/TIP.2012.2216276“，”article-title“：”Bayesian显著性通过低级和中级线索“，”volume“：“22”，”author“：”Xie“，”year“：”2013“，”journal-title”：“IEEE Trans。图像处理。“}，{”key“：”10.1016\/j.neucom.2016.04.036_bib41“，”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，摘自：IEEE计算机视觉和模式识别国际会议论文集，2013年，第2083\u20132090页。“，”DOI“：”10.1109\/CVPR.2013.271“}，{“issue”：“8”，“key”：“10.1016\/j.neucom.2016.04.036_bib42”，“DOI-asserted-by”：“crossref”，“first page”：”1309“DOI“：”10.1109\/TCSVT.2014.2381471“，”article-title“：”通过深度重构残差基于背景先验的显著目标检测“，”volume“：”25“，”author“：”Han“，”year“：”2015“，”journal-title”：“IEEE Trans。电路系统。视频技术。“}，{”issue“：”12“，”key“：”10.1016\/j.neucom.2016.04.036_bib43“，”doi-asserted-by“：”crossref“，”first-page:“2009”，”doi“：”101109\/TCSVT.2013.2242594“，”article-title“：”基于稀疏编码表示的面向对象视觉显著性检测框架“，”volume“：“23”，“author”：“Han”，“year”：“2013”，“journal-title”：“”IEEE传输。电路系统。视频技术。“}，{”issue“：”6“，”key“：”10.1016\/j.neucom.2016.04.036_bib44“，”doi-asserted-by“：”crossref“，”first page“：“3325”，”doi“：”101109\/TGRS.2014.2374218“，”article-title“：”基于弱监督学习和高级特征学习的光学遥感图像目标检测“，”volume“：IEEE传输。地质科学。远程。Sens.“}，{“key”：“10.1016\/j.neucom.2016.04.036_bib45”，“doi-asserted-by”：“crossref”，“unstructured”：“V.Movahedi，j.H.Elder，显著对象分割性能度量的设计和感知验证，摘自：IEEE计算机学会第七届计算机视觉感知组织研讨会论文集，2010，第49\u201356页。”，“doi”：“10.1109\/CVPRW.2010.5543739“}]，“容器-时间”：[“神经计算”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S0925231216303010？httpAccept=text\/xml”，“内容类型”：“text\/xml”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“网址”：“https:\/\/api.elsevier.com/content\/article\/PII:S0925231216303010？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2019,11,2]，“date-time”：“2019-11-02T20:55:57Z”，“timestamp”：1572728157000}，“score”：1，“resource”：{primary“URL”：“https://linkinghub.elsevier.com/retrieve\/pii\/S0925252 31216303010“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2016,9]]}，”references-count“：45，”alternative-id“：[”S092531216303010“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.neucom.2016.04.036“，”relation“：{}，“ISSN”：[“0925-2312”]，“ISSN-type”：[{“value”：“09252312”，“type”:“print”}]，“subject”：【]，“published”：{“date-parts”：[[2016,9]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}维护，{”value“：”通过多层次特征预测显著对象“，”name“：”articletite“，”标签“：”article Title“}，{“value”：“Neurocomputing”，“name”：“journaltitle”，“label”：“Journal Title”}，“value“:”https:\/\/doi.org\/101016\/j.neucom.2016.04.036“，”name“：”rticlelink“，“lable”：“”CrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“values”：“\u00a9 2016 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]}