由于這些優越性，基于CNN的顯著性目標檢測方法在幾乎所有現有數據集上刷新歷史記錄，成為顯著性目標檢測中的主流方法。. 基于深度學習的顯著性目標檢測方法又可以分為兩類，第一類模型使用多層感知機（MLPs）來進行顯著性目標檢測，第二類模型則使用完全卷積神經網絡（FCN）來進行顯著性目標檢測。. 在第一類模型中，輸入圖像通常被過度成單個或多尺度的小區域，然后將CNN用于提取圖像中的高級特征，該高級特征隨后被反饋回MLP以確定每個小區域的顯著性值。. 與完全卷積神經網絡方法不同的是，第一類模型雖然使用CNN提取高級特征，但由于MLP的使用，CNN所提取的特征中的空間信息并不能被保留。.

推薦閱讀，更多相關內容：

怎么檢驗論文的查重率 論文查重復率使用什么檢測系統？

學術沒法自己查重 學術查重是怎么回事？

學術查重碩士推薦網址怎么填

論文查重班級會查嗎

論文掃描上傳學術會查重嗎

在線論文免費查重助手免登錄 論文查重平臺哪個好？

論文參考文獻和腳注會查重嗎 論文作者引用的腳注存在嗎？

論文查重率有什么要求和標準 論文查重標準是多少？

本科論文查重是和什么查重

農業畢業論文查重學術

本科學術查重網重

論文論文查重率 畢業論文查重率是多少？

畢業論文查重不過關怎么辦

學術查重頁面空白

巴自治論文查重率合適

學術論文查重是如何分段的

學術查重逗號隔開

學術查重系統驗證

中國學術論文免費查重一次

論文查重率不超過多少能畢業 本科畢業論文查重率是多少？

實證論文數據部分查重率高 論文查重率高的原因是什么？

論文學位查重系統 論文查重軟件怎么樣？

教師初級職稱論文查重率

論文查重檢測時間嗎 論文查重時間一般是多少？

查重論文什么顏色 論文查重是看紅色還是黃色？