GreenSaliency：一种轻量高效的图像显著性检测方法
图像与视频处理
2024-04-02 v1
摘要
图像显著性检测对于理解视觉刺激中的人类注视模式至关重要。由于将此类技术整合到各种计算机视觉任务以及理解人类视觉系统的需求日益增长，图像显著性检测的研究需求不断增加。许多现有的图像显著性检测方法依赖深度神经网络（DNN）来获得良好性能。然而，这些方法的高计算复杂度阻碍了它们与其他模块的集成或在资源受限平台（如移动设备）上的部署。为了满足这一需求，我们提出了一种新颖的图像显著性检测方法GreenSaliency，它具有小模型尺寸、最小碳足迹和低计算复杂度。GreenSaliency可以成为现有基于深度学习的图像显著性检测方法在计算资源有限情况下的有竞争力的替代方案。GreenSaliency包括两个主要步骤：1）多层混合特征提取和2）多路径显著性预测。实验结果表明，GreenSaliency在模型尺寸显著更小、计算复杂度大幅降低的同时，实现了与最先进的基于深度学习的方法相当的性能。
引用
@article{arxiv.2404.00253,
title = {GreenSaliency: A Lightweight and Efficient Image Saliency Detection Method},
author = {Zhanxuan Mei and Yun-Cheng Wang and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2404.00253},
year = {2024}
}