【显著性目标检测| 2019最新综述】深度学习时代的显著目标检测（Salient Object Detection in the Deep Learning Era: An In-Depth Survey），附PDF

论文题目： Salient Object Detection in the Deep Learning Era: An In-Depth Survey

论文摘要： 作为计算机视觉中的一个重要问题，图像中的显著目标检测（SOD）近年来得到了越来越多的研究。最近在超氧化物歧化酶方面的进展主要是基于深度学习的解决方案（称为深超氧化物歧化酶）。为了便于深入理解深层SODs，本文提供了一个全面的综述，涵盖了从算法分类到未解决的开放问题的各个方面。特别是，我们首先从网络结构、监控级别、学习范式和对象/实例级别检测等不同角度对深度超氧化物歧化酶算法进行了综述。在此基础上，总结了现有的SOD评价数据集和指标体系。然后，在前人工作的基础上，认真编写了一个完整的SOD方法的基准测试结果，并对对比结果进行了详细的分析。另外，通过构造一个新的具有丰富属性标注的SOD数据集，研究了不同属性下的SOD算法的性能，这在以前的研究中是很少的。我们首次在现场进一步分析了deep-SOD模型的鲁棒性和可转移性。我们还研究了输入扰动的影响，以及现有SOD数据集的通用性和硬度。最后，讨论了超氧化物歧化酶存在的问题和挑战，并指出了未来可能的研究方向。