用于显著目标检测的深层与浅层集成网络
计算机视觉与模式识别
2017-06-05 v1
摘要
基于深度卷积神经网络（CNN）的显著目标检测方法已达到最先进的性能，并以较大优势超越了无监督方法。本文提出在一个统一框架下集成深度显著性和无监督显著性以进行显著目标检测。具体而言，我们的方法以无监督显著性（鲁棒背景检测，RBD）结果和归一化彩色图像作为输入，直接学习输入与相应显著图之间的端到端映射。彩色图像被馈入一个改编自语义分割的全卷积神经网络（FCNN），以利用高层语义线索进行显著目标检测。然后，将深度 FCNN 和 RBD 的结果拼接起来，馈入一个浅层网络，将拼接的特征图映射为显著图。最后，为了获得具有清晰目标边界且空间一致的显著图，我们在多尺度上融合了超像素级显著图。在 8 个基准数据集上的大量实验结果表明，所提出的方法以一定优势超越了最先进的方法。
引用
@article{arxiv.1706.00530,
title = {Integrated Deep and Shallow Networks for Salient Object Detection},
author = {Jing Zhang and Bo Li and Yuchao Dai and Fatih Porikli and Mingyi He},
journal= {arXiv preprint arXiv:1706.00530},
year = {2017}
}
备注
Accepted by IEEE International Conference on Image Processing (ICIP) 2017