什么是显著性检测？

显著性检测 ，就是使用图像处理技术和计算机视觉算法来定位图片中最“显著”的区域。. 显著区域就是指图片中引人注目的区域或比较重要的区域，例如人眼在观看一幅图片时会首先关注的区域。. 例如下图，我们人眼一眼看过去首先注意到的不是草坪，而是躺在草坪上的内马尔，内马尔所在的区域就是显著性区域。. 这种自动定位图像或场景重要区域的过程称为 显着性检测 。. 显著性检测在目标检测、机器人领域有很多应用。.

显著性检测算法是什么？

Objectness： 这类显著性检测算法计算出一个个的建议区域（proposals），这些建议区域被认为是目标可能存在的区域。. 需要注意的是显著性检测不是目标检测，显著性检测算法并不能判断图片中是否有“目标”，它只能检测出图片中它“认为”有目标的区域，这些区域可能真的包含目标，也可能不包含目标。. 通常显著性检测算法是许多计算机视觉任务的第一步，检测出显著性区域后再对这些显著性区域进一步判断和预测。. 显着性检测器通常是非常快速的算法，能够实时运行。. 显着性检测器的结果随后被传递到计算量更大的算法中。.

传统图像显著性检测方法的缺点是什么？

总的来说，传统方法使用大量的显著性先验信息进行图像显著性检测，主要依赖于手工制作的特征（hand-crafted features），而这些特征（1）可能无法描述复杂的图像场景和对象结构（2）无法适应新的场景与对象，泛化能力差，因此导致基于传统方法的显著性检测陷入瓶颈。 虽然手制特征允许传统显著性目标检测方法实时进行检测，但这些方法的缺点限制了它们在复杂场景下进行显著性目标检测的能力。

推荐阅读，更多相关内容：