GBVS是在itti模型基础上的改进算法，对视觉显著和留意机制的研究人员很有用。

显著性检测ASD（MSRA1000）数据集，包含1000张原图，及对应的标注图。
标注图与原图尺寸相分歧。

资源是ITTI视觉显著性模型的MATALB代码，资源下载后直接能用，解压后打开zj.m，然后运行即可测试，提取得到的显著图直接能显示出来。
同时为了大家需要，同时考虑了灰度图像可以使用的边缘显著度等，去掉了与颜色相关的显著图计算，封装成了函数ITTI_Model，通过S=ITTI_Model(img)调用即可。
相关的材料参照博文https://blog.csdn.net/weixin_42647783/article/details/82532179。
谢谢~

部分代码：function[a,b]=fisher(A,B,X,h)%A，B表示A,B类的数据，X表示未知类别的数据。
%A,B,X的列表示不同的目标，行表示一个个体。
%h为显著性水平。
average1=mean(A);average2=mean(B);m=size(A,1);n=size(B,1);p=size(A,2);fori=1:p

基于MATLAB实现的上交博士侯晓迪的SR显著性，该显著性方法不依赖先验信息，计算快，适合于工程使用。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。