GCoNet+：一种更强的群组协作共显著目标检测器
计算机视觉与模式识别
2023-04-11 v4
摘要
在本文中，我们提出一种新颖的端到端群组协作学习网络，称为 GCoNet+，其能够高效（250 fps）且有效地识别自然场景中的共显著目标。所提出的 GCoNet+ 通过基于以下两个基本准则挖掘共识表示，实现了共显著目标检测（CoSOD）的新最优性能：1）组内紧凑性，通过我们新颖的群组亲和模块（GAM）捕获共显著目标的内在共享属性，以更好地刻画它们之间的一致性；2）组间可分离性，通过引入我们新的群组协作模块（GCM）以不一致共识为条件，有效抑制噪声目标对输出的影响。为了进一步提升精度，我们设计了一系列简单而有效的组件：i）促进模型在语义层学习的循环辅助分类模块（RACM）；ii）协助模型提升最终预测质量的置信度增强模块（CEM）；iii）引导模型学习更具判别性特征的基于群组的对称三元组（GST）损失。在 CoCA、CoSOD3k 和 CoSal2015 三个具挑战性基准上的大量实验表明，我们的 GCoNet+ 优于现有的 12 个前沿模型。代码已发布于 https://github.com/ZhengPeng7/GCoNet_plus。
引用
@article{arxiv.2205.15469,
title = {GCoNet+: A Stronger Group Collaborative Co-Salient Object Detector},
author = {Peng Zheng and Huazhu Fu and Deng-Ping Fan and Qi Fan and Jie Qin and Yu-Wing Tai and Chi-Keung Tang and Luc Van Gool},
journal= {arXiv preprint arXiv:2205.15469},
year = {2023}
}
备注
T-PAMI 2023