显著性检测数据集SED2，里面包含100张原图和100张GT，可以直接使用

显著性检测数据集PASCAL-S,850张GT&850张image

显著性检测数据集SOD，包含300张GT&300张image

2020年CVPR，2021CVPR，2019ICCV，2020ECCV

深度学习、AI构图、智能裁图、显著性检测

运行“Saliency_Absorb_MC.m”。 ================================================== ======================  Saliency_Absorb_MC.m：主要功能  SLIC.mex：SLIC算法的mex文件  find_connect_superpixel_DoubleIn_Opposite.m：获取超像素的邻居关系  Find_Edge_Superpixels.m：获取边缘超像素的指示  normalize.m：将输入向量的范围标准化为[0，1]

本文档中包含一个主文件和八个函数文件，经对多个图片进行实验处理，均可行

显著性检测 FT算法 可运行代码 matlab代码 代码简单

光谱残差SR模型 显著性检测 matlab代码 可直接运行

运行demo.m以了解如何使用 Saliency Optimization [1]以及Saliency Filter [2]，Geodesic Saliency [3] Manifold Ranking [4]。 [1] Wangjiang Zhu, Shuang Liang, Yichen Wei, and Jian Sun. Saliency Optimization from Robust Background Detection. In CVPR, 2014. [2] F. Perazzi, P. Krahenbuhl, Y. Pritch, and A. Hornung. Saliency filters: Contrast based filtering for salient region detection. % In CVPR, 2012. [3] Y.Wei, F.Wen,W. Zhu, and J. Sun. Geodesic saliency using background priors. In ECCV, 2012. [4] C. Yang, L. Zhang, H. Lu, X. Ruan, and M.-H. Yang. Saliency detection via graph-based manifold ranking. In CVPR, 2013.