开放萨利康

OpenSALICON是SALICON显著性模型的一个开源实现。Huang,X.,Shen,C.,Boix,X.和Zhao,Q.(2015年)。SALICON:通过采用深度神经网络缩小显著性预测中的语义差距。在IEEE国际计算机视觉会议论文集(第262-270页):背景中的显著性(SALICON)是一个持续的努力,旨在理解和预测视觉注意。传统的显著性模型通常依赖于低水平的图像统计来预测人类的注视。虽然这些模型的表现明显好于偶然性,但模型预测与人类行为之间仍有很大差距。这种差距很大程度上是由于模型在预测具有强烈语义内容的注视时的能力有限,即所谓的语义差距。本文提出了一种基于深度神经网络(DNN)的结构来缩小语义鸿沟。它利用了高级语义的表示能力,这些语义编码在为对象识别而预先训练的dnn中。两个关键部分是基于显著性评价指标的目标函数对DNNs进行微调,以及在不同图像尺度上整合信息。我们将我们的方法与6个公共眼动基准数据集上的14个显著性模型进行了比较。结果表明,我们的DNNs可以自动学习显著性预测的特征,大大超过了现有的研究水平。此外,我们的模型在MIT300挑战集的所有七项指标中排名第一。