本文为北京交通大学和新加坡国立大学合作的一篇显著性检测的文章, 作者为Zun Li1, Congyan Lang1, Yunpeng Chen2, Jun Hao Liew2, Jiashi Feng2，文章地址为：[1901.08362] Deep Reasoning with Multi-scale Context for Salient Object Detection

1 基础

显著性目标检测的一般流程为：

图1 显著性目标检测的一般流程

本文指出当前与深度相关的显著性目标检测的工作主要集中在特征融合阶段，以设计更有效果的特征融合模块为主，而使用的显著性推理模块则十分简单，并不能有效的对显著图进行推理，基于此，本文设计了一个简单的显著性推理模块。

2 提出的网络

图2 本文提出的SR-Net

本文提出的模型框架由以下部分构成：

1 Backbone（特征提取网络）： 常见的特征提取网络如：VGG16， Resnet

2 Feature Fusion(特征融合网络）：与特征提取网络构成最简单的Encoder-Decoder结构

3 Deep Saliency Reasoning(显著性推理）： 多个基本Block相级联，采用了shuffeNet的基本块

3 结果