分享背景

▼

显著性检测是计算机视觉中长期存在的问题。现有的大部分研究都集中在探索用户间普遍存在的显著性模型，即缺乏对个体在性别、年龄、习惯上差异的重视。在这篇IJCAI文章中，作者首次提出了个人显著性预测任务，并建立了首个个人显著性数据库，同时提出基于卷积神经网络的多任务个人显著性预测模型（Multi-Task Convolutional Neural Network），实验结果验证了模型的良好的性能。

《Beyond Universal Saliency: Personalized Saliency Prediction with Multi-task CNN》

论文地址：https://pdfs.semanticscholar.org/aca8/c4a62ed6e590889f1e859d7bc79311fa6f4d.pdf

分享主题

▼

Beyond Universal Saliency: Personalized Saliency Prediction with Multi-task CNN

分享人简介

▼

徐衍钰，上海科技大学信息学院三年级博士生，导师为高盛华教授。2011年本科毕业于大连理工大学。主要研究方向为计算机视觉，例如显著性分析、人脸对齐等。

分享时间

▼

北京时间10月13日（周五） 20:00 

参与方式

▼

扫描海报二维码，点击底部菜单

如果你觉得活动不错，欢迎点赞并转发本文

转载声明：本文转载自「AI研习社」，搜索「okweiwu」即可关注。

—————  AI 科技评论招人啦！  —————

我们诚招学术编辑 1 名（全职，坐标北京）

你即将从事的工作内容：

• 报道海内外人工智能相关学术会议，形成具有影响力的报道内容；

• 采访高校学术青年领袖，输出人工智能领域的深度观点；

• 跟进国内外学术热点，深入剖析学术动态；

我们希望你是这样的小伙伴：

• 英语好，有阅读英文科技网站的习惯；

• 兴趣广，对人工智能有关注及了解；

• 态度佳，有求知欲，善于学习；

欢迎发送简历到 [email protected]

————————————————————