DNA：用于显著目标检测的深度监督非线性聚合
计算机视觉与模式识别
2021-01-21 v4
摘要
显著目标检测的最新进展主要致力于探索如何在卷积神经网络（CNNs）中有效整合多尺度卷积特征。许多流行方法施加深度监督以执行侧输出预测，并将这些预测线性聚合用于最终显著性预测。本文从理论与实验上证明，侧输出预测的线性聚合是次优的，且仅有限利用了深度监督所获得的侧输出信息。为解决该问题，我们提出深度监督非线性聚合（DNA）以更好地利用各侧输出间的互补信息。与现有方法相比，它 i) 聚合侧输出特征而非预测，且 ii) 采用非线性而非线性变换。实验表明，DNA 能成功突破当前线性方法的瓶颈。具体而言，所提出的显著性检测器——一种带有 DNA 的改进 U-Net 架构——在各种数据集与评价指标上无需额外技巧即可优于最先进的方法。
引用
@article{arxiv.1903.12476,
title = {DNA: Deeply-supervised Nonlinear Aggregation for Salient Object Detection},
author = {Yun Liu and Ming-Ming Cheng and Xinyu Zhang and Guang-Yu Nie and Meng Wang},
journal= {arXiv preprint arXiv:1903.12476},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:1812.10956