用于显著目标检测的级联交互与边缘侵蚀深度监督
计算机视觉与模式识别
2023-12-01 v1
摘要
深度卷积神经网络已广泛应用于显著目标检测，并在该领域取得了显著成果。然而，现有模型受到上采样和下采样过程中插值引起的信息失真的困扰。针对这一缺陷，本文从网络的特征和标签两个方向入手。一方面，设计了一种带有名为全局-局部对齐注意力（GAA）引导模块的新型级联交互网络，以减少插值对特征侧的负面影响。另一方面，提出了一种基于边缘侵蚀的深度监督策略，以减少标签插值对侧边输出的负面引导。在五个流行数据集上的大量实验证明了我们方法的优越性。
引用
@article{arxiv.2311.18675,
title = {Cascaded Interaction with Eroded Deep Supervision for Salient Object Detection},
author = {Hewen Xiao and Jie Mei and Guangfu Ma and Weiren Wu},
journal= {arXiv preprint arXiv:2311.18675},
year = {2023}
}