NeRD：一种基于神经反应发散的视觉显著性检测方法
NeRD: a Neural Response Divergence Approach to Visual Salience Detection
摘要：
在本文中，提出了一种新的方法，通过神经响应发散（NeRD）的视觉显著性检测，其中的突触部分的深度神经网络，以前训练复杂的对象识别，利用计算低级别的线索，可用于计算图像区域的独特性。基于这一概念，提出了一个有效的视觉显著性检测框架，使用深度卷积随机网络。使用CSSD和MSRA 10k自然图像数据集的实验结果表明，所提出的NeRD方法可以实现改进的性能相比，国家的最先进的图像显著性的方法，同时实现低计算复杂性所需的近实时计算机视觉应用。
英文摘要：
In this paper, a novel approach to visual salience detection via Neural Response Divergence (NeRD) is proposed, where synaptic portions of deep neural networks, previously trained for complex object recognition, are leveraged to compute low level cues that can be used to compute image region distinctiveness. Based on this concept , an efficient visual salience detection framework is proposed using deep convolutional StochasticNets. Experimental results using CSSD and MSRA10k natural image datasets show that the proposed NeRD approach can achieve improved performance when compared to state-of-the-art image saliency approaches, while the attaining low computational complexity necessary for near-real-time computer vision applications.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
