{“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”：[[2024,7,8]]，“日期-时间”：“2024-07-08T00:09:11Z”，“时间戳”：1720397351961}，“引用-计数”：79，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{“日期-零件”：[2023,1]]，”日期-时间“：”2023-01-01T00:00:00 Z“，”timestamp“：1672531200000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https:\\/doi.org\/10.15223\/policy-017”}，{“开始”：{“日期部分”：[[2023,1,1]]，“日期时间”：“2023-01-01T00:00:00Z”，“时间戳”：1672531200000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-037”｝，｛“开始”：｛“日期部分”：[[2023,1,1]]，“日期时间”：“2023-01-01T00:00:00Z”，“时间戳”：1672531200000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-012“｝，｛”开始“：｛”日期部分“：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2023,1]]，“datetime”：“2063-01-01T100:00Z”，-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“中国国家自然科学基金”，“DOI-asserted-by”：“出版商”，“奖项”：[“61872032”，“62072027”，“6.207621”]，“id”：[}“id”:“10.13039 \/501000001808”，“id type”：“DOI“，”asserted by“：”publisher“}]}，{“DOI”：”10.13039\/501100004826“，”name“自然科学”北京市基金会”，“doi-asserted-by”：“publisher”，“adward”：[“4202057”，“4202058”，“3202060”]，“id”：[{“id”:“10.13039\/501100004826”，“id-type”：“doi”，“asserted-by”：”publisher“}]}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，”crossmark-restriction“：true}，”short-containerte-time“：[”Neurocompub“]lished-print“：{“date-parts”：[[2023,1]]}，“doi”：“10.1016\/j.neucom.2022.11.030”，“type”：“journal-article”，“created”：{“date-parts”：[2022,11,13]]，“date-time”：“2022-11-13T14:53:10Z”，“timestamp”：166835119000}，“page”：：“57-68”，“update-policy”：l_numberg“：”C“，”标题“：[“用于RGBD显著对象检测的深度引导特征选择”]，“前缀”：“10.1016”，“卷”：“519”，“作者”：[{“给定”：“尊”，“族”：“李”，“序列”：“第一”，“从属”：[]}，{“已知”：“从严”，“家族”：“郎”，“顺序”：“附加”，“隶属”：[]}，}“给定的”：“管钦”，“家庭”：“黎”，“序号”：“额外”，“附属”：[]}“给予”：“道”，“family”：“Wang”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Yidong”，“failment”：“Li”，”sequence“：”additional“，”affiliation:[]}]，“member”：“78”，“reference”：[{“issue”：“5”，“key”：”10.1016\/j.neucom.2022.11.030_b0005“，”doi-asserted-by“：”crossref“，”first page“769”，“doi”：“10.1109\/TCSVT.2013.2280096“，“物品标签”：“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.”}，{“key”：”10.1016\/j.neucom.2022.11.030_b0010“，”series-title“：”从图像和视频中分割显著对象“，”first page“：”366“，”author“：”Rahtu“，”year“：”2010“}，{“issue”：“1”，“key”：“10.1016\/j.neucom.2022.11.030_b0015”，“doi-asserted-by”：“crossref”，“first-page:”185“，”doi“：”10.1109\/TIP.20092069“，”article-title“：”一种新的多分辨率时空显著性检测模型及其在图像和视频压缩中的应用“，”volume“：”19“，”author“：”Guo“，”“year”：“2010”，“journal-title”：“IEEE Trans.Image Process.”}，{“key”：“10.1016\/j.neucom.2022.11.030_b0020”，“series-title”：“通过全局显著性检测搜索的web图像的显著对象”，“first page”：”3194“，“author”：“Wang”，“year”：“2012”}，“首页”：“684”，“作者”：“邓”，“年份”：“2018”}，{“key”：“10.1016\/j.neucom.2022.11.030_b0030”，“series-title”：“边界感知显著对象检测的注意反馈网络”，“首页面”：“1623”，“author”：“Feng”，“year”：“2019”}：“护身符：聚合多级卷积特征用于显著目标检测”，“首页”：“202”，“作者”：“张”，“年份”：“2017”}，{“key”：“10.1016\/j.neucom.2022.11.030_b0040”，“series-title”：“级联部分解码器用于快速准确地检测显著目标”，“第一页”：：“10.1016\/j.neucom.2022.11.030_b0045”，“series-title”：“一种基于简单池的实时显著目标检测设计”，“首页”：“3917”，“作者”：“刘”，“年份”：“2019”}，{“键”：“10.12016\/j.neucom.2022.11.030_b0050”，“系列-title”：《rgbd显著目标检测的对比优先和流体金字塔集成》，“首页面”：“39 22”，“author”：“Zhao”，“year”：“2019”}，{“issue”：“6”，“key”：“10.1016\/j.neucom.2022.11.030_b0055”，“doi-asserted-by”：“crossref”，“首页”：“2825”，“doi”：“101109\/TIP.2019.2891104”，“article-title”：“用于rgb-d显著对象检测的三流注意软件网络”，“volume”：”28“，“author”：“Chen”，“年份”：“199”，“journal-title“：”IEEE传输图像处理。“}，{”键“：“10.1016\/j.neucom.2022.11.030_b0060”，“series-title”：“用于rgb-d显著对象检测的渐进互补性感知融合网络”，“首页”：“3051”，“作者”：“陈”，“年份”：“2018”}，{“key”：“10.106\/j-neucom.2021.11.030_ b0065”，“series-title”：，“年”：“2014”}，{“问题”：“5”，“关键”：“10.1016\/j.neucom.2022.11.030_b0070”，“doi-asserted-by”：“crossref”，“首页”：“2274”，“doi”：“101109\/TIP.2017.2682981”，“文章标题”：“通过深度融合检测Rgbd显著对象”，“卷”：“26”，“作者”：“曲”，“年份”：“2017”，“日志标题”：”IEEE Trans.Image Process.“}，}“密钥”：“10.1016\/j.neucom.2022.11.030_b0075”，“doi断言者”：“crossref”，“第一页”：“46”，“doi”：“10.1016\/j.neucom.2019.07.012”，“文章标题”：“通过单流递归卷积神经网络对RGB-D图像进行突出对象检测”，“卷”：“363”，“作者”：“Liu”，“年份”：“2019”，“期刊标题”：“神经计算”}，{“问题”：“11”，“关键”：“10.1016\/j.neucom.2022.11.030_b0080”，“doi-asserted-by”：“crossref”，“first page”：“3171”，“doi”：“10.1109\/TCYB.2017.2761775”，“article-title”：“基于Cnns的跨视图传输和多视图融合rgb-d显著性检测”，“volume”：”48“，”author“：”Han“，”year“：”2018“，”journal-title“：”IEEE Trans.Cybern.“}，{”key“10.1016”//j.neuc om.2022.11.030_b0085“，“series-title”：“深度诱导多尺度重复注意网络用于显著性检测”，“首页”：“7253”，“作者”：“朴”，“年份”：“2019”}，{“关键”：“10.1016\/j.neucom.2022.11.030_b0090”，“非结构化”：“D.P.Fan，Z.Lin，j.Zhao，Y.Liu，Z.Zhang，Q.Hou，M.Zhu，M。Cheng，Rethinking RGB-D显著对象检测：模型、数据集和大规模基准，CoRR abs \/1907.06781.“}，{“key”：“10.1016\/j.neucom.2022.11.030_b0095”，“series-title”：“学习rgbd显著性检测的选择性自互注意”，“first page”：”13753“，“author”：“Liu”，“year”：“2020”}，“key“：”10.1016\\j.neucomm.2022.11.30_b0100“，”doi-asserted-by“：”crossref“，”first page“：”4873“，”doi“：”10.1109\/TIP.2020.2976689“，”article-title“：”Icnet:基于RGB-D的显著目标检测的信息转换网络“，”volume“：“29”，”author“：”Li“，“year”：“2020”，“journal-title”：“IEEE Trans。图像处理。“｝，｛”key“：”10.1016\/j.neucom.202.11.030_b0105“，”doi断言“：”crossref“，”非结构化“：”j.Zhang，D.-P.Fan，Y.Dai，S.Anwar，F.Saleh，S.Aliakbarian，N.Barnes，不确定性启发的rgb-D显著性检测（2020）。arXiv:2009.03075.“，”doi“：”10.1109\/TPAMI.2021303073564“｝，｛”issue“：”6“，”key“：”10.1016\/j.neucom.202.11.030_b0110“，”doi-asserted-by“：”crossref“，”first-page“：”2625“，”doi“：”10.1109\/TIP.2014.2305100“，”article-title“：”立体图像的显著性检测“，”volume“：”23“，”author“：”Fang“，”year“：”2014“，”journal-title”：“IEEE Trans。图像处理。“}，{”key“：”10.1016\/j.neucom.2022.11.030_b0115“，”series-title“：”逐步扩展网络的形状鲁棒文本检测“，”首页“：”9328“，”author“：”Wang“，”年份“：”2019“}”，{“issue”：“1”，“key”：“10.1016\\j.neucomm.2022.11.0030_b0120”，“doi-asserted-by”：“crossref”，“首页”：“19”，“doi”：“101007”z“，”文章标题“：”关于交叉熵方法的教程”，“卷”：“134”，“作者”：“De Boer”，“年份”：“2005”，“新闻标题”：“Ann.Oper”。研究“}，{“key”：“10.1016\/j.neucom.2022.11.030_b0125”，“首页”：“1”，“article-title”：“显著物体检测：一项调查”，“author”：“Borji”，“year”：“2014”，“journal-title“：”计算视觉媒体“}”，{”key“：”10.1016\\j.neucomm.2022.11.30_b0130“，”首页“：”1“，”article-title“深度学习时代的显著物体检测”：一项深入调查”volume“：”I“，”author“：”Wang“，”year“：”2021“，”journal-title“：”TPAM“}，{“key”：“10.1016\/j.neucom.2022.11.030_b0135”，“series-title”：“通过基于图形的流形排名进行显著性检测”，“first page”：”3166“，”author“:”Yang“，“year”：“2013”}，”key“：显著对象检测：区分性区域特征整合方法“，”首页“：”2083“，”作者“：”江“，”年份“：”2013“}，{“问题”：“3”，“关键”：“10.1016\/j.neucom.2022.11.030_b0145”，“doi-asserted-by”：“crossref”，“首页”：“569”，“doi”：“101109\/TPAMI.2014.2345401”，”文章标题“：“基于全局对比度的显著区域检测”，“体积”：“37“，”作者“：”成“，”年份“：”2015“，”期刊标题“：”IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.neucom.2022.11.030_b0150“，”series-title“：”robust background detection的显著性优化“，”first page“：“2814”，”author“：”Zhu“，”year“：”2014“}”，{“issue”：“5”，“key”：“10.1016\/j.nucom.2022.11.30_b0155”，“doi-asserted-by”：“crossref”，”first-page“：”1101“，”doi“：”101109\/TMM.2017.2763780“，”文章标题“：”通过从不完美显著模型推断的无监督显著对象检测”，“卷”：“20”，“作者”：“权”，“年份”：“2017年”，“期刊标题”：“IEEE Trans。多媒体“}，{“key”：“10.1016\/j.neucom.2022.11.030_b0160”，“series-title”：“具有金字塔注意力和显著边缘的显著对象检测”，“首页”：“1448”，“作者”：“王”，“年份”：“2019”}，}“keys”：“101016\/j.neucom.2022.11.030_b0165”，“series-title”：author“：”Liu“，”year“：”2019“}，{“key”：“10.1016\/j.neucom.2022.11.030_b0170”，“doi-asserted-by”：“crossref”，“first page”：”3763“，”doi“：”10.1109\/TIP.2020.2965989“，”article-title“：”基于反向注意的显著目标检测残差网络“，”volume“29”，“author”：“Chen”，“year”：“2020”，“journal-title”：“IEEE Trans.Image Process.”}，“key“：”10.1016\/j.neucom.2022.11.030_b0175“，“series-title”：“看，感知和分割：通过双流注视-语义cnns找到图像中的突出对象”，“首页”：“1050”，“作者”：“陈”，“年份”：“2017”}，{“key”：”10.1016\/j.nucom.2022.11.30_b0180“，”非结构化“：”Y.Liu，D.Zhang，Q.Zhang。Han，部分-对象关系视觉显著性，IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.neucom.2022.11.030_b0185“，”series-title“：”利用深层部分-对象关系检测显著对象“，”first page“：“1232”，”author“：”Liu“，”year“：”2019“}”，{“key”：”10.116\/j.neucom.202.11.030_b0190“，”series-title“：“视觉显著性变换器”，”first-page“：”4722“，”audor“：“Liu”，”year:“2021”}，“密钥”：“10.1016\/j.neucom.2022.11.030_b0195“，”doi-asserted-by“：”crossref“，”unstructured“：”H.K.K.Y.M.K.an Lang，Tam V.Nguyen，S.Yan，《深度问题：深度线索对视觉显著性的影响》，收录于：ECCV，2012，第101\u2013115页。“，”doi“：”10.1007\/978-3642-33709-3_8“}，{“key”：“10.1016//j.neucomm.2022.11.30_b0200”，“series-title”：“利用全局先验信息进行rgbd显著性检测”，“首页”：“25”，“作者”：“任”，“年份”：“2015”}，{“key”：“10.1016\/j.neucom.2022.11.030_b0205”，“头版”：“1”，“文章标题”：“通过显著性进化检测rgbd图像的显著对象”，“author”：“Guo”，“year”：“2016”，“journal-title”：“2016年IEEE国际多媒体与博览会（ICME）“｝，｛“key”：“10.1016\/j.neucom.202.111.030_b0210”，“系列标题”：“rgb-d显著对象检测的本地背景外壳”，“首页”：“2343”，“作者”：“冯”，“年份”：“2016”｝，｛“key”：“10.1016\/j.neucom.202.111.030_b0215”，“系列标题”：“深度增强显著性检测方法”首页“：”23“，”author“：”Cheng“，”year“：”2014“}，{“issue”：“6”，“key”：“10.1016\/j.neucom.2022.11.030_b0220”，“doi-asserted-by”：“crossref”，“first page”：”819“，”doi“：”10.1109\/LSP.2016.257347“，”article-title“：”基于深度置信度分析和多线索融合的立体图像显著性检测“，”volume“：”23'，“author”：“Cong”，“year”：“2016年”，“新闻标题”：“IEEE信号处理。莱特。“}，{”key“：”10.1016\/j.neucom.2022.11.030_b0225“，”doi-asserted-by“：”crossref“，”首页“：”2227“，”doi“：”101016\/j.neucomm.2017.0.052“，”article-title“：”使用对比度和深度引导背景优先的立体显著性模型“，”volume“：“275”，“author”：“Liang”，“year”：“2018”，“journal-title”：“Neurocomputing”}，”{“key”：“”10.1016\/j.neucom.2022.11.030_b0230“，“series-title”：“使用背景封闭、深度对比和自顶向下的特征学习RGB-D显著对象检测”，“首页”：“2749”，“作者”：“Shigematsu”，“年份”：“2017”}，{“key”：“10.1016\/j.nucom.2022.11.30_b0235”，“doi-asserted-by”：“crossref”，”非结构化“H.Chen，Y.Li，D。苏，基于多流后融合网络的RGB-D显著性检测，载：《计算机视觉系统国际会议论文集》，2017年，第459\u2013468页。“，”DOI“：”10.1007\/978-3319-68345-4_41“}，{“问题”：“1”，“关键”：“10.1016\/j.neucom.2022.11.030_b0240”，“DOI-asserted-by”：“crossref”，“第一页”：“111”，“DOI”：“101007\/s00371-014-1059-6”，“article-title“：”与颜色结合的深度提高了显著目标检测“，”volume“：”32“，”author“：”Tang“，”year“：”2016“，”journal-title”：“The Visual Computer”}，{“key”：“10.1016\/j.neucom.2022.11.030_b0245”，“doi-asserted-by”：“crossref”，“unstructured”：“j.Guo，T.Ren，j.Bei，Y。朱，基于显著性融合与传播的rgb-d图像显著性目标检测，载：《互联网多媒体计算与服务国际会议论文集》，2015年，第1\u20135页。“，”DOI“：”10.1145\/2808492.2808551“}，{“key”：“10.1016\/j.neucom.2022.11.030_b0250”，“DOI-asserted-by”：“crossref”，“unstructured”：“Y.Pang，L.Zhang，X。赵海鲁，rgb-d显著目标检测的层次动态滤波网络（2020）。arXiv:2007.06227.“，”DOI“：”10.1109\/CVPR42600.2020.00943“}，{“key”：“10.1016\/j.neucom.2022.11.030_b0255”，“series-title”：“用于rgb-d显著对象检测的级联图神经网络”，“first page”：”346“，”author“：”Luo“，”year“2020”}，“key“：”1016\/j.neucom.2022.11.030_b0260“，”series-ttle“：”用于鲁棒实时rgb-d显著对象检测的单流网络”，“首页”：“646”，“作者”：“Zhao”，“年份”：“2020”}，{“密钥”：“10.1016\/j.neucom.2022.11.030_b0265”，“doi-asserted-by”：“crossref”，“first page”：“8407”，“doi”：“101109\/TIP.200.3014734”，“article-title”：“通过分离的交叉模式融合检测Rgbd显著对象”，“卷“：”29“，”作者“：”陈“，”年份“：”2020“，”期刊标题“：”IEEE Trans。图像处理。“}，{”key“：”10.1016\/j.neucom.2022.11.030_b0270“，”doi-asserted-by“：”crossref“，”首页“：”55277“，”doi“：”101109\/ACCES.2019.2913107“，”article-title“：”RGB-D显著对象检测的自适应融合“，”volume“：“7”，”author“：”Wang“，”year“：”2019“，”journal title“：“IEEE ACCESS”}，”{“key”：“10.1016//j.neucomm.2022.11.00 30_b0275“，”doi-asserted-by“：”crossref“，”first page“：”1“，”DOI“：”10.1016\/j.jvcir.2019.03.019“，”article-title“：”使用卷积神经网络进行深度软件显著性检测“，”volume“：“61”，“author”：“Ding”，“year”：“2019”，“journal-title”：“j.Vis”。Commun公司。图像表示。“}，{”key“：”10.1016\/j.neucom.2022.11.030_b0280“，”series-title“：”保留特定性的rgbd显著性检测“，”首页“：”4681“，”author“：”Zhou“，”year“：”2021“}”，{“key”：“10.1016\\j.neucomm.202.11.030_b0285”，“非结构化”：“K.Fu，D.-P.Fan，G.-P.Ji，Q。Zhao，Jl-dcf：RGB-D显著目标检测的联合学习和密集合作融合框架，CVPR。“｝，｛”key“：”10.1016\/j.neucom.2022.11.030_b0290“，”doi断言“：”crossref“，”第一页“：”376“，”doi“：”10.1016\/j.patcog.2018.08.007“，”文章标题“：”RGB-D显著对象检测的具有多尺度多径和跨模态相互作用的多模态融合网络“，”卷“：”86“，”作者“：”Chen“，”年份“：”2019“，”期刊标题“：”Pattern Recogn“。｝，{“key”：“10.1016\/j.neucom.2022.11.030_b0295”，“unstructured”：“Z.Zhang，Z.Lin，j.Xu，W.Jin，S.-P.Lu，D.-P.Fan，rgb-D显著目标检测的双边注意网络，arXiv预印本arXiv:2004.14582.”}，{《key》：“10.106\/j-neucom.2021.1.030_b0300”，“doi-asserted-by”：“crossref”，“doi”：“1016\/j.imavis.2020.103888”，“articlee”蒂尔”：“使用外观信息的注意引导RGBD显著性检测”，“卷”：“95”，“作者”：“周”，“年份”：“2020”，“日志标题”：“图像视觉计算”}，{“键”：“10.1016\/j.neucom.2022.11.030_b0305”，“非结构化”：“C.Li，R.Cong，S.Kwong，j.Hou，H.Fu，G.Zhu，D.Zhang，Q。黄，ASIF-Net：用于RGB-D显著目标检测的注意力引导交织融合网络，IEEE控制论汇刊。“}，{”key“：”10.1016\/j.neucom.2022.11.030_b0310“，”unstructured“：”B.Jiang，Z.Zhou，X.Wang，j.Tang，B.Luo，cmsalgan:使用交叉视图生成对抗网络的RGB-D显著对象检测，IEEE多媒体交易。“}”，{具有深度敏感注意力和自动多模态融合的深度rgb-d显著性检测”，“首页”：“1407”，“作者”：“Sun”，“年份”：“2021”}，{“key”：“10.1016\/j.neucom.2022.11.030_b0320”，“series title”：“用于图像识别的深度残差学习”，“作者”：“He”，“年份”：“2016”}，{“key”：“10.1016\/j.neucom.2022.11.030_b0325”，“series title”：“Picanet：学习显著性检测的像素级上下文注意”，“首页”：“3089”，“作者”：“Liu”，“年份”：“2018”}，{“key”：“10.1016\/j.neucom.2022.11.030_b0330”，“series-title”：“批量规范化：通过减少内部协变量偏移来加速深层网络训练”，“author”：“Ioffe”，“year”：“2015”}10.1016\/j.neucom.2022.11.030_b0335“，“series-title”：“校正线性单位改善受限boltzmann机器”，“author”：“Nair”，“year”：“2010”}，{“key”：“10.1016\/j.nucom.2022.11.0030_b040”，“series-title”：”Autoscaler：视觉通信的尺度注意网络“，”首页“：”3234“，”author“：”Wang“，”年份“：”2016“}”，{”key“：”10.1016\/j.neucom.2022.11.030_b0345“，“series-title”：“重温显著对象检测：多个显著对象的同时检测、排序和细分”，“首页”：“7142”，“作者”：“Amirul Islam”，“年份”：“2018”}，{“key”：“10.1016\\j.neucomm.2022.11.30_b0350”，“series-title”：2117“，”author“：”Lin“，”year“：”2017“}，{”key“：”10.1016\/j.neucom.2022.11.030_b0355“，”series-title“：”基于各向异性中心-周围差异的深度显著性“，”first page“：“1115”，“author”：“Ju”，“year”：“2014”}，“issue”：“5”，”key：“10.1016\/j.nucom.2022.11.30_b0360”，“doi-asserted-by”：“crossref”，”first-page:““2075”，“doi”：“10.1109\/TNNLS.2020.2996406“，”article-title“：“重新思考rgb-d显著对象检测：模型、数据集和大规模基准”，“卷”：“32”，“作者”：“Fan”，“年份”：“2020”，“日志标题”：“IEEE Trans。神经网络学习。系统。“}，{”key“：”10.1016\/j.neucom.2022.11.030_b0365“，”series-title“：”学习rgb-d显著性检测的选择性相互注意和对比“，”首页“：”13756“，”author“：”Liu“，”year“：”2020“}“，{使用立体技术进行显著物体检测的三路径心理生物学框架”，“首页”：“3008”，“作者”：“朱”，“年份”：“2017”}，{“关键”：“10.1016\/j.neucom.2022.11.030_b0375”，“系列标题”：“利用立体视进行显著性分析”，“第一页”：”454“，”作者“：”牛“，”年份“：”2012“}，”{“重点”：“10.1016\/j.neucom.2022.11.030_b0380“，“series-title”：“光场显著性检测”，“首页”：“2806”，“作者”：“李”，“年份”：“2014”}，{“问题”：“4”，“密钥”：“10.1016\/j.nucom.2022.11.0030_b05385”，“doi-asserted-by”：“crossref”，“第一页”：”815“doi”：“101109\/TPAMI.2018.2815688”，“文章标题”：“深度监督短连接显著对象检测”，“卷”：“41”，“作者”：“侯”，“年份”：“2019年”，“期刊标题”：“IEEE TPAMI”}，{“密钥”：“10.1016\/j.neucom.2022.11.030_b0390”，“series-title”：“使用中心标记通道优先的创新显著对象检测方法”，“首页”：“1509”，“作家”：“朱”，“年度”：“2017”}10.1016\/j.neucom.2022.11.030_b0395“，”doi-asserted-by“：”crossref“，”first page“：”4204“，”doi“：”10.1109\/TIP.2017.2711277“，”article-title“：”通过多尺度区分显著性融合和自举学习进行深度软件显著性对象检测和分割“，”volume“：“26”，”author“：”Song“，”year“：”2017“，”journal title“：“IEEE Trans。图像处理。“}]，”container-title“：[”Neurocomputing“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S092523122014102？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“https:\//api.elsevier.com\/content\/article\/PII:S092523122014102？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2023,3,6]]，“date-time”：“2023-03-06T01:26:10Z”，“timestamp”：1678065970000}，“score”：1，“resource”：{“primary”：“URL”：“https:\\/linkinghub.elsevier.com/retrieve\/piii\/S09252312 22014102“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2023,1]]}，”references-count“：79，”alternative-id“：[”S092523122014102“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.neucom.2022.11.030“，”relationship“：{}，“ISSN”：[”0925-2312“]，“ISSN-type”：[{“value”：“0925-2312]，“type”:“print”}]，“subject”：【]，“published”：{“date-parts”：[[2023,1]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}维护，{”value“：”RGBD显著对象检测的深度引导特征选择“，”name“：”articletite“，”标签“：”article Title“}，{“value”：“Neurocomputing”，“name”：“journaltitle”，“label”：“Journal Title”}，}“value”：“https:\/\/doi.org\/101016\/j.neucom.2022.11.030”，“name:”articlelink“，“lable”：“”CrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“values”：“\u00a9 2022 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]}