用于显著目标检测的边界引导特征聚合网络
计算机视觉与模式识别
2018-12-05 v1
摘要
全卷积网络（FCN）显著提升了许多像素标注任务的性能，例如语义分割和深度估计。然而，如何彻底利用多级卷积特征图和边界信息用于显著目标检测仍然是一个非平凡的问题。在本文中，我们提出了一种新颖的 FCN 框架，以在目标边界信息的引导下递归地整合多级卷积特征。首先，使用深度卷积网络提取多级特征图并将其分别聚合为多种分辨率，可用于生成粗略的显著性图。同时，提出另一条边界信息提取分支以生成边界特征。最后，设计了一个基于注意力的特征融合模块，将边界信息融合到显著区域中，以实现准确的边界推断和语义增强。最终的显著性图是预测的边界图与整合的显著性图的结合，更接近于真实值。在四个大规模基准上的实验和分析验证了我们的框架取得了新的最先进结果。
引用
@article{arxiv.1809.10821,
title = {Boundary-guided Feature Aggregation Network for Salient Object Detection},
author = {Yunzhi Zhuge and Pingping Zhang and Huchuan Lu},
journal= {arXiv preprint arXiv:1809.10821},
year = {2018}
}
备注
To appear in Signal Processing Letters (SPL), 5 pages, 5 figures and 3 tables