面向协同显著目标检测的分组协作学习
计算机视觉与模式识别
2021-05-11 v2
摘要
我们提出了一种新颖的分组协作学习框架（GCoNet），能够实时（16ms）检测协同显著目标，其基于两个必要准则同时挖掘组级共识表示：1）组内紧凑性，通过我们新颖的组亲和模块捕获协同显著目标固有的共享属性，从而更好地刻画其一致性；2）组间可分离性，通过引入我们新的组协作模块对不一致共识进行调节，有效抑制噪声目标对输出的影响。为了在不增加额外计算开销的情况下学习更好的嵌入空间，我们显式地采用辅助分类监督。在 CoCA、CoSOD3k 和 Cosal2015 三个具有挑战性的基准上的大量实验表明，我们简洁的 GCoNet 优于 10 个前沿模型并达到了新的 SOTA。我们在若干重要的下游计算机视觉应用上展示了本文的新技术贡献，包括内容感知协同分割、基于协同定位的自动缩略图等。
引用
@article{arxiv.2104.01108,
title = {Group Collaborative Learning for Co-Salient Object Detection},
author = {Qi Fan and Deng-Ping Fan and Huazhu Fu and Chi Keung Tang and Ling Shao and Yu-Wing Tai},
journal= {arXiv preprint arXiv:2104.01108},
year = {2021}
}
备注
Accepted to CVPR 2021. Project page: https://github.com/fanq15/GCoNet Note: corrected Fig 9 in this version