这篇文章主要介绍利用深度学习的显著目标检测的各种方法，对比探究形成综述。
原文地址：https://arxiv.org/pdf/1904.09146.pdf
目录
【第一章】介绍 6.23更新
【第二章】深度目标检测模型 6.24更新
【第三章】目标检测数据集 6.24更新
【第四章】评估指标 6.25更新
【第五章】基线和分析 6.25更新
【第六章】讨论 6.26更新
【第七章】总结 6.26更新
扫描二维码关注公众号，回复：
6576486 查看本文章
前言
作为一个重要的计算机视觉研究问题，近年显著目标检测(SOD)吸引了越来越多研究者的关注。意料之中的是，显著目标检测的最新研究已经由深度学习方法所主导(deep SOD)，多百篇该领域文章的发表予以了印证。为了促进对深度显著目标检测的理解，本文提供一个全面的调查，涵盖多个算法的分类以及未解决的开放问题。首先，我们从不同的角度审视了SOD算法，从Network的架构，监督的级别，学习范式以及对象/实例的级别检测。之后，我们总结了现有的SOD评估数据集及评估标准。然后，我们根据他人已有的工作编制了一个覆盖主流SOD方法的基准，提供详细的结果分析。并且我们研究了不同SOD算法在各类数据集上的表现。最后，我们讨论了几个SOD未解决的问题的挑战，并且指出今后的潜在研究方向。所有的显著性预测图、构建的带注释的数据集，以及评估方法的代码都在https://github.com/wenguanwang/SODsurvey获取。