提出一种新的显着性检测方法，通过将区域级显着性估计和像素级显着性预测与CNN（表示为CRPSD）相结合。对于像素级显着性预测，通过修改VGGNet体系结构来执行完全卷积神经网络（称为像素级CNN）以执行多尺度特征学习，基于该学习进行图像到图像预测以完成像素级显着性检测。对于区域级显着性估计，首先设计基于自适应超像素的区域生成技术以将图像分割成区域，基于该区域通过使用CNN模型（称为区域级CNN）来估计区域级显着性。通过使用另一CNN（称为融合CNN）融合像素级和区域级显着性以形成nal显着图，并

vggnet在tensorflow上的实现(Implementation of vggnet on tensorflow)

在Python下，利用TensoFlow实现图片的神经风格转移；需要自行下载imagenet-vgg-verydeep-19.mat(Implemented Image's neural art transfer using Tensorflow in python)

用thensorflow实现对VGGNET深度卷积神经网络的建立。(The establishment of the VGGNET convolutional neural network is implemented with the thenthraceflow.)