Contour Loss：用于显著目标分割的边界感知学习
计算机视觉与模式识别
2019-08-07 v1
摘要
我们提出一种充分利用边界信息进行显著目标分割的学习模型。具体而言，我们提出了一种新颖的损失函数，即 Contour Loss，它利用目标轮廓引导模型感知显著目标边界。这种边界感知网络能够学习显著目标与背景间的边界级区分，从而有效促进显著性检测。但 Contour Loss 侧重于局部显著性。我们进一步提出分层全局注意力模块（HGAM），迫使模型分层关注全局上下文，从而捕获全局视觉显著性。在六个基准数据集上的综合实验表明，我们的方法取得了优于当前最优方法的性能。此外，我们的模型在 TITAN X GPU 上具备 26 fps 的实时速度。
引用
@article{arxiv.1908.01975,
title = {Contour Loss: Boundary-Aware Learning for Salient Object Segmentation},
author = {Zixuan Chen and Huajun Zhou and Xiaohua Xie and Jianhuang Lai},
journal= {arXiv preprint arXiv:1908.01975},
year = {2019}
}
备注
12 pages, 7 figures