一种基于简单池化设计的实时显著目标检测
计算机视觉与模式识别
2019-04-23 v1
摘要
我们通过研究如何扩展池化在卷积神经网络中的作用来解决显著目标检测问题。基于 U 形架构，我们首先在自底向上通路上构建全局引导模块（GGM），旨在为不同特征层的潜在显著对象提供位置信息。我们进一步设计特征聚合模块（FAM），使粗粒度语义信息能与自顶向下通路的细粒度特征良好融合。通过在自顶向下通路中的融合操作之后添加 FAM，来自 GGM 的粗粒度特征可与多尺度特征无缝合并。这两个基于池化的模块使高层语义特征逐步细化，产生细节丰富的显著性图。实验结果表明，我们提出的方法能更准确地定位显著对象并具备锐化细节，从而相比先前最优方法大幅提升性能。我们的方法也很快，在处理 图像时能以超过 30 FPS 的速度运行。代码见 http://mmcheng.net/poolnet/。
引用
@article{arxiv.1904.09569,
title = {A Simple Pooling-Based Design for Real-Time Salient Object Detection},
author = {Jiang-Jiang Liu and Qibin Hou and Ming-Ming Cheng and Jiashi Feng and Jianmin Jiang},
journal= {arXiv preprint arXiv:1904.09569},
year = {2019}
}
备注
Accepted by CVPR2019