民主确实重要：面向共显著目标检测的综合性特征挖掘
计算机视觉与模式识别
2022-03-14 v1
摘要
共显著目标检测旨在检测一组图像中共同存在的显著目标，正日益受到关注。近期工作使用注意力机制或额外信息来聚合共同的共显著特征，导致对目标物体的响应不完整甚至错误。本文中，我们旨在以民主方式挖掘全面的共显著特征，并在不引入任何额外信息的情况下减少背景干扰。为此，我们设计了一个民主原型生成模块来生成民主响应图，覆盖充分的共显著区域，从而包含共显著目标更多的共享属性。然后可基于响应图生成综合性原型作为最终预测的引导。为抑制原型中嘈杂的背景信息，我们提出了一种自对比学习模块，其中正负样本对的形成不依赖于额外的分类信息。此外，我们还设计了一个民主特征增强模块，通过重新调整注意力值来进一步强化共显著特征。大量实验表明，我们的模型取得了优于以往 SOTA 方法的性能，尤其在具挑战性的真实世界案例中（例如，在 CoCA 上，相同设置下我们使 MAE 提升 2.0%、最大 F-measure 提升 5.4%、最大 E-measure 提升 2.3%、S-measure 提升 3.7%）。代码将很快发布。
引用
@article{arxiv.2203.05787,
title = {Democracy Does Matter: Comprehensive Feature Mining for Co-Salient Object Detection},
author = {Siyue Yu and Jimin Xiao and Bingfeng Zhang and Eng Gee Lim},
journal= {arXiv preprint arXiv:2203.05787},
year = {2022}
}
备注
accepted by cvpr2022