通过循环双流引导细化网络实现边界感知显著目标检测
计算机视觉与模式识别
2019-12-12 v1
摘要
近期基于深度学习的显著目标检测方法利用显著性与边界特征取得了卓越性能。然而，它们大多忽略显著特征与边界特征间的互补性，从而在前景背景低对比度场景中预测变差。为解决此问题，我们提出一种新颖的循环双流引导细化网络（RTGRNet），其由迭代的双流引导细化模块（TGRM）组成。TGRM 包含一个引导块与两条特征流：显著流与边界流；引导块利用前一 TGRM 细化后的特征进一步提升当前 TGRM 中两条特征流的性能。同时，低层融合特征也作为参考以获得更好细节。最后，我们通过循环堆叠更多 TGRM 逐步细化这些特征。在六个公开数据集上的大量实验表明，我们所提 RTGRNet 在显著目标检测中达到了最先进性能。
引用
@article{arxiv.1912.05236,
title = {Boundary-Aware Salient Object Detection via Recurrent Two-Stream Guided Refinement Network},
author = {Fangting Lin and Chao Yang and Huizhou Li and Bin Jiang},
journal= {arXiv preprint arXiv:1912.05236},
year = {2019}
}