1. 显著点的检测
Itti的A Model of Saliency-Based Visual Attention for Rapid Scene Analysis （TPAMI 1999）论文是显著性检测的鼻祖论文，检测出来的是用户关注的点。
2. 显著区域的检测
侯晓迪同学在2007年发表的一篇CVPR的论文，用很简单的方法检测了显著性区域，那之后显著性检测主要以区域检测为主：Saliency detection: A spectral residual approach （CVPR 2007），虽然之后有人诟病这篇论文有不足之处，但该想法简单，推动了显著性研究的普及。侯同学靠这一篇文章再加上投稿期间的趣事，就封神了。
3. 其他经典的显著性检测方法
在那之后陆续又有一些经典的显著性检测算法被提出：https://blog.csdn.net/touch_dream/article/details/78716507 可以看这个博文。
4. 基于深度学习的显著性检测
再之后，显著性检测领域就进入了Deep Learning时代，
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. 非自然图象的显著性检测
例如，海报的显著性检测，图表的显著性检测，地理数据的显著性检测等等。
附：一些论文细读（未完待续）
Shallow and Deep Convolutional Networks for Saliency Prediction CVPR2016
这篇论文的作者基于SALICON的数据集，做了基于CNN的显著性检测工作。
