CVPR2019论文，快速显著性检测。
这是我接触的第一篇讲显著性检测的论文。需要先明确一下显著性检测的含义等。显著性检测基于人类视觉注意机制，在一个场景中，人眼第一个注意到的物体，就是显著性目标。因此显著性检测是基于待检测像素/超像素与背景区域/非显著性区域的对比度、频率、空间分布来计算显著性分值。一般来讲，显著性检测检测的是图像中“最显眼”的目标，所以当场景中有多个目标时，也只是检测出某一块目标区域。来源知乎
现有方法主要是先用pretrained模型进行特征提取，然后将深层特征和浅层特征进行融合；但是论文认为，浅层特征分辨率高，占用计算资源；且深层信息也可以相对较好的表征浅层信息体现的空间细节信息，因此没必要融合太多的浅层细节。因此论文中丢弃浅层特征，refine深层信息。【SR中好像有类似的结论？或者是相反的结论，我记得SROBB的论文里面提到过，回头看一下】
CSDN上有这篇论文的详细介绍，我这里就不赘述了，下图是本文核心思想：
在decoder中，作者基于下面的结构进行了改进，增加了一路分支，用于更大感受野的信息提取。
