使用深度学习预测图片的显著性时有什么模型？

以下是几种常见的深度学习模型：

1. 基于卷积神经网络（CNN）的模型：包括了一系列经典的CNN架构，例如ResNet、VGG、Inception等，通过在CNN中插入一些额外的处理步骤，可以用于预测图像的显著性。

2. 基于循环神经网络（RNN）的模型：例如基于长短时记忆（LSTM）的模型，可以对图像中不同区域之间的关系进行建模，进而实现对图像的显著性预测。

3. 基于深度强化学习的模型：例如基于强化学习的图像预测模型（Reinforcement Learning-based Image Saliency Prediction，RL-Saliency），通过将显著性预测的任务视为一个强化学习问题，从而实现对图像显著性的预测。

4. 基于生成对抗网络（GAN）的模型：例如基于对抗生成网络（Adversarial generative network，AGNet）的模型，通过学习一种生成式模型，并将其应用于显著性预测任务中。

这些模型在预测图像的显著性方面都比较成功，并且已经在许多真实世界的应用中得到了广泛的应用。