一种基于F-measure值的显著性目标检测正反馈方法
计算机视觉与模式识别
2023-05-01 v1
摘要
当前大多数显著性目标检测（SOD）模型都专注于设计一系列基于全卷积网络（FCN）或Transformer架构的解码器，并以巧妙的方式将它们集成。这些模型取得了显著的高性能，并为SOD的发展做出了重要贡献。它们的主要研究目标是开发能够超越最先进模型的新算法，这是一项极其困难且耗时的任务。相比之下，本文提出了一种基于F-measure值的SOD正反馈方法，旨在利用现有方法提高显著性预测的准确性。具体而言，我们提出的方法将待检测图像输入若干现有模型，获得各自的预测图。这些预测图随后被送入我们的正反馈方法以生成最终预测结果，无需精心设计解码器或进行模型训练。此外，我们的方法具有自适应性，可基于现有模型实现而不受任何限制。在五个公开数据集上的实验结果表明，我们提出的正反馈方法在显著性图预测的五个评价指标上优于最新的12种方法。此外，我们进行了鲁棒性实验，表明当所选现有模型中存在至少一个良好的预测结果时，我们提出的方法可保证预测结果不更差。在去除插入模型的预测时间开销后，于低配置主机上评估时，我们的方法达到了20帧每秒（FPS）的预测速度。这些结果凸显了我们提出的显著性目标检测方法的有效性、高效性和鲁棒性。
引用
@article{arxiv.2304.14619,
title = {A positive feedback method based on F-measure value for Salient Object Detection},
author = {Ailing Pan and Chao Dai and Chen Pan and Dongping Zhang and Yunchao Xu},
journal= {arXiv preprint arXiv:2304.14619},
year = {2023}
}
备注
13 pages, 4 figures, 3 table