具有短连接的深度监督显著目标检测
计算机视觉与模式识别
2018-03-19 v4
摘要
显著性检测的最新进展十分显著，主要得益于卷积神经网络（CNNs）的爆炸式发展。近来开发的语义分割和显著性检测算法大多基于全卷积神经网络（FCNs）。对于未明确处理尺度空间问题的通用 FCN 模型，仍有很大的改进空间。整体嵌套边缘检测器（HED）为边缘和边界检测提供了一种具有深度监督的跳层结构，但 HED 在显著性检测上的性能提升并不明显。在本文中，我们提出了一种新的显著性检测方法，通过在 HED 架构内的跳层结构中引入短连接。我们的框架在每一层提供了丰富的多尺度特征图，这是执行分段检测所必需的关键特性。我们的方法在 5 个广泛测试的显著目标检测基准上取得了最先进的结果，与现有算法相比，在效率（每张图像 0.15 秒）、有效性和简洁性方面均具有优势。
引用
@article{arxiv.1611.04849,
title = {Deeply supervised salient object detection with short connections},
author = {Qibin Hou and Ming-Ming Cheng and Xiao-Wei Hu and Ali Borji and Zhuowen Tu and Philip Torr},
journal= {arXiv preprint arXiv:1611.04849},
year = {2018}
}
备注
IEEE TPAMI 2018 (IEEE CVPR 2017)