MASON：一种模型无关的显著物体性框架
计算机视觉与模式识别
2018-09-21 v1 人工智能
机器学习
摘要
本文提出一种简单却非常有效的方法，以像素级精度定位图像中主导的前景物体。所提方法“MASON”（Model-AgnoStic ObjectNess，模型无关的显著物体性）使用深度卷积网络为任意图像生成类别无关且模型无关的热图。该网络并未针对此任务显式训练，因此可开箱即用，与任何其他网络或任务协同使用。我们展示了该框架可泛化至多种图像，并在三种不同应用情境中说明了 MASON 的有效性。
引用
@article{arxiv.1809.07499,
title = {MASON: A Model AgnoStic ObjectNess Framework},
author = {K J Joseph and Vineeth N Balasubramanian},
journal= {arXiv preprint arXiv:1809.07499},
year = {2018}
}
备注
Accepted at AutoNUE Workshop, 15th European Conference on Computer Vision (ECCV), September 2018, Munich, Germany