广义协同显著目标检测
计算机视觉与模式识别
2023-08-14 v3
摘要
我们提出了一种新的设定，放宽了传统协同显著目标检测（CoSOD）设定中的一项假设，即允许存在不显示共享协同显著目标的“噪声图像”。我们将这一新设定称为广义协同显著目标检测（GCoSOD）。我们提出了一种新颖的基于随机采样的广义 CoSOD 训练（GCT）策略，以将图像间不存在协同显著目标的感知蒸馏进 CoSOD 模型。它采用多样采样自监督学习（DS3L），除提供的监督协同显著标签外，还为噪声图像（为空，即不存在协同显著目标）引入额外的自监督标签。此外，GCT 中固有的随机采样过程能够生成高质量的不确定性图，在实例级别上突出潜在的假阳性预测。为评估 CoSOD 模型在 GCoSOD 设定下的性能，我们提出了两个新的测试数据集，即 CoCA-Common 和 CoCA-Zero，其中前者部分存在公共显著目标，后者则完全不存在。大量实验表明，我们提出的方法在 GCoSOD 设定下的性能以及模型校准程度方面显著提升了 CoSOD 模型的表现。
引用
@article{arxiv.2208.09668,
title = {Generalised Co-Salient Object Detection},
author = {Jiawei Liu and Jing Zhang and Ruikai Cui and Kaihao Zhang and Weihao Li and Nick Barnes},
journal= {arXiv preprint arXiv:2208.09668},
year = {2023}
}