用于显著目标检测的边缘保持与多尺度上下文神经网络
计算机视觉与模式识别
2017-10-26 v2
摘要
本文提出了一种新颖的边缘保持与多尺度上下文神经网络用于显著目标检测。所提出的框架旨在解决现有基于 CNN 方法的两个局限。首先，基于区域的 CNN 方法由于独立处理每个区域，缺乏足够的上下文来准确定位显著目标。其次，基于像素的 CNN 方法因卷积层和池化层的存在而导致边界模糊。受此启发，我们首先提出一种基于 Fast R-CNN 框架的端到端边缘保持神经网络（称为 RegionNet），以高效生成具有清晰目标边界的显著图。随后，为进一步改进，我们将多尺度空间上下文附加到 RegionNet 上，以考虑区域与全局场景之间的关系。此外，我们的方法可通过深度细化普遍应用于 RGB-D 显著检测。所提出的框架首次同时实现了清晰的检测边界和多尺度上下文鲁棒性，从而获得了优化的性能。在六个 RGB 和两个 RGB-D 基准数据集上的实验表明，所提出的方法达到了最先进的性能。
引用
@article{arxiv.1608.08029,
title = {Edge Preserving and Multi-Scale Contextual Neural Network for Salient Object Detection},
author = {Xiang Wang and Huimin Ma and Xiaozhi Chen and Shaodi You},
journal= {arXiv preprint arXiv:1608.08029},
year = {2017}
}