MATLAB匹配滤波代码及SALICONtf：在TensorFlow中的SALICON显著性模型重现

简介：
本项目提供了一套基于MATLAB实现的匹配滤波器代码，并且在TensorFlow框架下实现了SALICON视觉显著性检测模型，为研究者提供了便捷的研究工具。 该存储库包含用于训练和运行SALICONtf的代码——这是在TensorFlow中对自底向上的显著性模型SALICON的重新实现。我们的实现与原论文相比，做出了一些小改动。如原论文所述，SALICONtf模型包括两个基于VGG的流（无全连接层），用于精细和粗糙处理。输入大小分别调整为600x800px和300x400px，以适应细流和粗流的需求。我们还修改了细流的最后一层大小，使其与粗流匹配（即37×50像素）。两个输出被串联并通过1×1滤波器进行卷积处理。标签的尺寸调整为37x50，以便于网络输出。 在训练过程中，在原始公式中通过优化Kullback-Leibler散度(KLD)损失获得了最佳结果。然而，在使用SALICONtf进行实验时，我们发现二进制交叉熵损失（OpenSALICON也采用此方法）能取得更好的效果。我们在训练期间采用了固定学习率0.01、动量0.9和权重衰减0.0005的设置。 原论文并未具体指出训练周期的数量，只是提到模型需要大约一到两个小时来完成训练。我们的实验表明，在经过了100个周期后可以获得合理的结果，并在300个周期时达到了较好的效果。