1. 顯著點的檢測
Itti的A Model of Saliency-Based Visual Attention for Rapid Scene Analysis （TPAMI 1999）論文是顯著性檢測的鼻祖論文，檢測出來的是用戶關(guān)注的點。
2. 顯著區(qū)域的檢測
侯曉迪同學(xué)在2007年發(fā)表的一篇CVPR的論文，用很簡單的方法檢測了顯著性區(qū)域，那之后顯著性檢測主要以區(qū)域檢測為主：Saliency detection: A spectral residual approach （CVPR 2007），雖然之后有人詬病這篇論文有不足之處，但該想法簡單，推動了顯著性研究的普及。侯同學(xué)靠這一篇文章再加上投稿期間的趣事，就封神了。
3. 其他經(jīng)典的顯著性檢測方法
在那之后陸續(xù)又有一些經(jīng)典的顯著性檢測算法被提出：https://blog.csdn.net/touch_dream/article/details/78716507 可以看這個博文。
4. 基于深度學(xué)習(xí)的顯著性檢測
再之后，顯著性檢測領(lǐng)域就進入了Deep Learning時代，
Deep Visual Attention Prediction TIP2018?（CODE）
????https://github.com/wenguanwang/deepattention
Predicting Human Eye Fixations via an LSTM-based Saliency Attentive Model （CODE）
????https://github.com/marcellacornia/sam
CVPR2016 Shallow and Deep Convolutional Networks for Saliency Prediction （CODE）
????https://github.com/imatge-upc/saliency-2016-cvpr
Saliency Detection with GAN (2017)
????https://github.com/imatge-upc/saliency-salgan-2017? （CODE）
????https://github.com/batsa003/salgan/ （PyTorch的版本）
5. 非自然圖象的顯著性檢測
例如，海報的顯著性檢測，圖表的顯著性檢測，地理數(shù)據(jù)的顯著性檢測等等。
附：一些論文細(xì)讀（未完待續(xù)）
Shallow and Deep Convolutional Networks for Saliency Prediction CVPR2016
這篇論文的作者基于SALICON的數(shù)據(jù)集，做了基于CNN的顯著性檢測工作。
