掩蔽显著目标检测：基于掩码区域卷积神经网络的显著目标分割分析
计算机视觉与模式识别
2019-09-19 v1
摘要
本文中，我们针对显著目标检测（SOD）场景，对全卷积网络（FCNs）与掩码区域卷积神经网络（Mask-RCNNs）进行了广泛比较。SOD 文献中的研究通常探索基于 FCN 的架构来检测视觉场景中的显著区域与物体。然而，尽管取得了有前景的结果，FCN 在一些挑战性场景中表现出问题。近来 SOD 文献中已有研究提出使用 Mask-RCNN 方法来克服此类问题。但 SOD 文献中尚缺乏两种网络在分割显著物体时证明 Mask-RCNN 优于 FCN 的详尽比较。为有效展示 SOD 背景下 Mask-RCNN 相对于 FCN 的优越性，我们在文献中广泛使用的八个数据集和四项指标上，将两种 Mask-RCNN 变体与两种 FCN 变体进行比较。我们的结果表明，在此背景下 Mask-RCNN 在 F-measure 上相较 FCN 最高提升达 47%。
引用
@article{arxiv.1909.08038,
title = {Masking Salient Object Detection, a Mask Region-based Convolutional Neural Network Analysis for Segmentation of Salient Objects},
author = {Bruno A. Krinski and Daniel V. Ruiz and Guilherme Z. Machado and Eduardo Todt},
journal= {arXiv preprint arXiv:1909.08038},
year = {2019}
}
备注
6 pages, 10 figures, Accepted for presentation at the Conference on SBR 2019 7th Brazilian Robotics Symposium/IEEE LARS 2019 16th Latin American Robotics Symposium