FastSal：一种计算高效的视觉显著性预测网络
计算机视觉与模式识别
2020-08-26 v1 机器学习
摘要
本文研究在受限计算预算下的视觉显著性预测问题，即预测图像中易吸引人类视觉注意的区域。我们修改并测试了多种近期的高效卷积神经网络架构（如 EfficientNet 和 MobileNetV2），并在 AUC 与 NSS 等标准精度指标以及计算复杂度和模型大小方面，将其与 SalGAN、DeepGaze II 等现有 SOTA 显著性模型进行比较。我们发现 MobileNetV2 作为视觉显著性模型的骨干网络极为出色，即便无复杂解码器也有效。我们还展示了通过伪标记无标签数据集，可从 DeepGaze II 等计算代价更高的模型中实现知识迁移，且该方法以极少的计算成本与模型大小取得了与许多 SOTA 算法相当的结果。源代码见 https://github.com/feiyanhu/FastSal。
引用
@article{arxiv.2008.11151,
title = {FastSal: a Computationally Efficient Network for Visual Saliency Prediction},
author = {Feiyan Hu and Kevin McGuinness},
journal= {arXiv preprint arXiv:2008.11151},
year = {2020}
}