重新审视显著目标检测：多显著目标的同步检测、排序与计数

显著目标检测是一个已被详细研究并提出许多解决方案的问题。在本文中，我们认为迄今为止的工作所解决的是一个相对不适定的问题。具体而言，当询问多个观察者时，对于什么构成一个显著目标并没有普遍的共识。这意味着某些对象比其他对象更可能被判定为显著，并意味着显著对象之间存在相对排序。本文提出的解决方案解决了这一考虑相对排序的更一般问题，并且我们提出了适用于在相对目标显著性格局中衡量成功的数据与度量。我们基于相对显著性的层次化表示和分阶段细化，提出了一种新颖的深度学习解决方案。我们还展示了显著目标计数问题可以用同一网络解决，并且我们的方法在所考虑的所有度量（包括传统的和新提出的）上均超越了以往任何工作的性能。