显著目标检测再探：基于小规模训练集的双流网络
计算机视觉与模式识别
2020-08-10 v1 机器学习
摘要
与传统的手工设计方法相比，基于深度学习的方法通过在大规模训练集上训练精心设计的复杂网络取得了巨大的性能提升。然而，显著目标检测（SOD）真的需要大规模训练集吗？本文深入探讨了 SOD 性能与训练集之间的相互关系。为缓解传统方法对大规模训练数据的需求，我们提出了一种构建仅含 4K 图像的小规模训练集的可行方案。此外，我们提出了一种新颖的双流网络，以充分利用我们所提出的小规模训练集；该网络由两种不同结构的特征主干组成，通过所提出的门控单元实现互补的语义显著性融合。据我们所知，这是首次尝试使用小规模训练集超越在大规模训练集上训练的当前最优（state-of-the-art）模型；尽管如此，我们的方法在五个基准数据集上仍取得了领先的当前最优性能。
引用
@article{arxiv.2008.02938,
title = {A Deeper Look at Salient Object Detection: Bi-stream Network with a Small Training Dataset},
author = {Zhenyu Wu and Shuai Li and Chenglizhao Chen and Aimin Hao and Hong Qin},
journal= {arXiv preprint arXiv:2008.02938},
year = {2020}
}