用于显著目标检测的自适应图卷积模块
计算机视觉与模式识别
2023-03-20 v1
摘要
显著目标检测（SOD）是一项涉及识别并分割图像中视觉最显著目标的任务。现有方案可利用多尺度特征融合机制来检测图像的全局上下文。然而，由于未考虑图像中的结构以及远距离像素间的关系，传统方法无法有效处理复杂场景。在本文中，我们提出自适应图卷积模块（AGCM）以克服这些局限。首先使用可学习的区域生成层从输入图像中提取原型特征，该层对图像中的特征进行空间分组。然后基于图架构在原型特征间传播信息以对其进行精炼，其中每个特征被视为一个节点。实验结果表明，所提出的 AGCM 在定性和定量上均显著提升了 SOD 性能。
引用
@article{arxiv.2303.09801,
title = {Adaptive Graph Convolution Module for Salient Object Detection},
author = {Yongwoo Lee and Minhyeok Lee and Suhwan Cho and Sangyoun Lee},
journal= {arXiv preprint arXiv:2303.09801},
year = {2023}
}
备注
4 pages, 3 figures