密集可变形高效显著目标检测网络
计算机视觉与模式识别
2021-02-15 v1
摘要
使用 RGB-D 数据的显著目标检测（SOD）领域近来兴起，部分当前模型取得了足够精确的结果。然而，它们泛化能力受限且计算复杂度高。本文受可变形卷积最佳背景/前景分离能力的启发，将其用于我们的密集可变形网络（DDNet）以实现高效 SOD。来自密集可变形卷积的显著区域进一步通过转置卷积精炼，以最优地生成显著图。使用近期 SOD 数据集对比 22 种竞争方法的定量与定性评估显示了我们方法的效率与有效性。我们还使用自行创建的跨数据集监控-SOD（S-SOD）进行评估，以检验训练模型在多样场景下的适用性。结果表明当前模型泛化潜力有限，亟需该方向的进一步研究。我们的代码与新数据集将公开于 https://github.com/tanveer-hussain/EfficientSOD
引用
@article{arxiv.2102.06407,
title = {Densely Deformable Efficient Salient Object Detection Network},
author = {Tanveer Hussain and Saeed Anwar and Amin Ullah and Khan Muhammad and Sung Wook Baik},
journal= {arXiv preprint arXiv:2102.06407},
year = {2021}
}