【回顾】超越普遍的显著性：基于多任务的个性化显著性的预测

  活动回顾

分享主题：Beyond Universal Saliency: Personalized Saliency Prediction with Multi-task CNN

分享人：徐衍钰，上海科技大学信息学院三年级博士生，导师为高盛华教授。2011 年本科毕业于大连理工大学。主要研究方向为计算机视觉，例如显著性分析、人脸对齐等。

显著性检测是计算机视觉中长期存在的问题。现有的大部分研究都集中在探索用户间普遍存在的显著性模型，即缺乏对个体在性别、年龄、习惯上差异的重视。在这篇 IJCAI 文章中，作者首次提出了个人显著性预测任务，并建立了首个个人显著性数据库，同时提出基于卷积神经网络的多任务个人显著性预测模型（Multi-Task Convolutional Neural Network），实验结果验证了模型的良好的性能。

10 月 13 日（周五）晚 20:00，AI 研习社微信群

▷ 观看完整回顾大概需要  49  分钟

新人福利

关注 AI 研习社（okweiwu），回复  1  领取

【超过 1000G 神经网络 / AI / 大数据，教程，论文】