边缘引导的非局部全卷积网络用于显著目标检测
计算机视觉与模式识别
2019-08-13 v2
摘要
全卷积神经网络（FCN）凭借其高层语义特征提取能力，近年来被广泛应用于显著目标检测，但现有基于 FCN 的方法仍受连续的步长和池化操作影响，导致空间结构丢失与边缘模糊。为保持显著目标的清晰边缘结构，我们提出一种新颖的边缘引导非局部 FCN（ENFNet），通过边缘引导的特征学习实现精确的显著目标检测。具体而言，我们在 FCN 中提取分层的全局与局部信息，以融入非局部特征从而获得有效的特征表示。为保留显著目标的良好边界，我们提出一个引导块，将边缘先验知识嵌入到分层特征图中。该引导块不仅进行特征维度的操作，还进行空间维度的变换，以实现有效的边缘嵌入。我们的模型在 MSRA-B 数据集上训练，并在五个流行的基准数据集上测试。与当前最优（SOTA）方法相比，所提方法在所有数据集上均取得了最佳性能。
引用
@article{arxiv.1908.02460,
title = {Edge-guided Non-local Fully Convolutional Network for Salient Object Detection},
author = {Zhengzheng Tu and Yan Ma and Chenglong Li and Jin Tang and Bin Luo},
journal= {arXiv preprint arXiv:1908.02460},
year = {2019}
}
备注
10 pages, 6 figures