DMRA: ICCV 2019论文代码与数据集 - 深度诱导的多尺度递归注意力网络在显著性检测中的应用

简介：
本文介绍了ICCV 2019上发表的研究成果DMRA，即深度诱导的多尺度递归注意力网络，应用于图像显著性检测，并提供相关论文代码及数据集。 我们的论文《深度感应的多尺度递归注意力网络用于显著性检测》被ICCV 2019接受为海报展示，并且我们已将相关代码存储库公开。 全面介绍的数据集是DUTLF系列，包括DUTLF-MV、DUTLF-FS和DUTLF-Depth。该数据集预计会扩展至包含4000个关于真实场景的样本。目前我们正在积极努力准备这些资料，并计划尽快进行发布。 其中一个重要组成部分是DUTLF-深度数据集，这是从Lytro相机捕捉到的原始DUTLF数据集中挑选出的一千二百对更精确和高质量的深度图样，以便用于RGB-D显著性检测研究。通过这一选择过程，我们创建了一个包含复杂场景的大规模RGB-D数据集（即DUTLF-Depth），这些场景包括多个或透明的对象、类似前景与背景的情况以及复杂的背景环境等。 这个具有挑战性的新数据集将有助于全面评估和改进显著性模型的性能。