2019年国际计算机视觉大会（International Conference on Computer Vision,http://iccv2019.thecvf.com/）将于10月27日到11月2日在韩国首尔COEX会议中心隆重召开，该会议作为计算机视觉领域的三大顶级盛会之一，代表着热门科研领域的最前沿，具有广泛而深远的国际影响力。
近日，来自威廉希尔智能技术创新团队张强教授和韩军功教授联合指导的博士生刘毅撰写的有关深度显著目标检测的论文《Employing Deep Part-Object Relationships for Salient Object Detection》被ICCV2019录用。本届ICCV会议录用论文1077篇，投稿4303篇，录用率仅为25%。
图像显著目标检测主要是指通过设计智能算法使得计算机能够模仿人眼注意机制，自动识别并分割出图像中最吸引人眼注意的目标，即显著目标。因此，如何完整、一致地检测并分割出显著目标是该领域的研究难题。智能技术创新团队本次发表的研究成果将“部分-整体”关系引入显著目标检测领域，通过探索图像中部分-整体关系，可以完整一致地检测并分割出显著目标。
部分-整体关系的显著特性
胶囊网络（Capsule Network, CapsNet）是近几年由“深度学习之父”Geoffrey Hinton提出的新型深度学习网络，其通过路由匹配将低级胶囊（表示“部分”）与高级胶囊（表示“整体”）匹配，从而解析图像中的部分-整体关系。基于此，团队首次将胶囊网络应用于显著目标检测，用于获取显著目标检测的完整性和一致性，并在此基础上，提出了一种深度二分流显著目标检测网络结构，采用一种局部路由模式，将低级胶囊只与一组高级胶囊而非所有的高级胶囊匹配。该局部路由模式不仅大大降低了胶囊网络的参数量和计算复杂度，还从一定程度上缓解了胶囊网络中由于冗余匹配带来的误匹配的问题，进一步提高了网络训练效率和检测精度。
基于部分-整体关系的深度二分流显著目标检测网络
ICCV全称是IEEE International Conference on Computer Vision，即国际计算机视觉大会，每两年召开一次，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议，在业内具有极高的评价。
