经典显著性检测数据集（内含1000张jpg原图和1000张mask图png格式） ubuntu下打开，内含编写lst的python文件

显著性水平 置信度 显著性水平α下，μ在1- α置信水平下的置信区间：

此笔记详细介绍了：基于小概率事件思想的假设检验过程、P值的含义、P值与显著性水平的关系、P值如何计算并举例

基于运动显著图和光流矢量分析的目标分割算法.pdf,为提高运动目标分割算法对多种复杂场景的自适应能力和分割精度，提出一种基于运动显著图和光流矢量分析的目标分割算法。该算法首先基于运动显著图提取运动目标的大致区域，然后利用光流矢量获得运动目标和背景区域的运动边界，并结合点在多边形内部原理得到运动目标内部精确的像素点，最后以超像素为基本分割单元，通过引入置信度的概念实现最终像素一级的目标分割。通过与典型算法进行多场景实验对比，表明该算法能够有效实现多种复杂场景下的运动目标分割，并且较现有算法具有更高的分割精度。

rc代码显着性matlab saliency-detection-methods 文章《基于多图流形排序的图像显着性检测》中所用对比算法源码链接HC: RC: AC: HS: SR: FT: MSS: GS: MR: BFSS: RW: HDCT: BMA： RR:

世界范围显著地震数据（1965-2016）

显着图提取的代码matlab 用于 3D fMRI 体积分类的 3D 卷积神经网络 (CNN) 这些是用于 3D fMRI 体积分类的 3D-CNN 模型的 MATLAB 代码和 Python 代码。 还包括可视化经过训练的 3D-CNN 的代码。 样本数据： 样本 3D fMRI 体积序列数据是在四个感觉运动任务期间获得的，包括左手握紧 (LH)、右手握紧 (RH)、听觉注意力 (AD) 和视觉刺激 (VS) 任务 [1]。 我们的感觉运动数据集包括来自 12 个受试者的数据，每个受试者执行四个任务中的每一个（每个任务三个块；每个块 20 秒）。 因此，每个受试者的每个任务有 30 个 3D fMRI 体积，每个受试者的所有四个任务有 120 个 3D fMRI 体积，所有受试者总共有 1440 个 3D fMRI 体积。 MATLAB 代码： 下载样本数据和训练模型： 请从此链接下载示例数据： 请在此链接中下载经过训练的模型（用于可视化）： 数据说明： 样本 3D fMRI 体积序列数据是在四个感觉运动任务期间获得的，包括左手握紧 (LH)、右手握紧 (RH)、听觉注意力 (AD)

视觉显著性

七年级地理气候多样 季风显著第1课时教案 鲁教版 教案.doc

七年级地理气候多样 季风显著第2课时教案 鲁教版 教案.doc