DC-Net：用于显著性目标检测的分而治之网络
计算机视觉与模式识别
2024-01-11 v3
摘要
本文中，我们将分而治之(Divide-and-Conquer)引入显著性目标检测(SOD)任务，使模型能够学习用于预测显著性图的先验知识。我们设计了一种新颖的网络——分而治之网络(DC-Net)，其使用两个编码器来解决有助于预测最终显著性图的不同子任务，即预测宽度为 4 的边缘图与显著性目标的位置图，然后将具有不同语义信息的特征图聚合进解码器以预测最终显著性图。DC-Net 的解码器由我们新设计的两级残差嵌套 ASPP (ResASPP) 模块组成，该模块能够以少量卷积操作捕获大量不同尺度特征，并具有始终保持高分辨率以及能够获得大而紧凑的有效感受野(ERF)的优势。基于分而治之并行计算的优势，我们使用并行加速(Parallel Acceleration)来加速 DC-Net，使其在高效率（60 FPS 与 55 FPS）下于六个 LR-SOD 与五个 HR-SOD 数据集上取得具竞争力的性能。代码与结果见：https://github.com/PiggyJerry/DC-Net。
引用
@article{arxiv.2305.14955,
title = {DC-Net: Divide-and-Conquer for Salient Object Detection},
author = {Jiayi Zhu and Xuebin Qin and Abdulmotaleb Elsaddik},
journal= {arXiv preprint arXiv:2305.14955},
year = {2024}
}