PGNeXt：基于金字塔移植网络的高分辨率显著物体检测
计算机视觉与模式识别
2024-08-05 v1
摘要
我们在数据集和网络框架层面进行了针对性的高分辨率显著物体检测(HRSOD)研究。为弥补HRSOD数据集不足的问题，我们仔细收集了一个大规模高分辨率显著物体检测数据集，称为UHRSD，包含来自真实复杂场景的5,920张图片，分辨率达到4K-8K。所有图像在像素级别进行精细标注，远超以往的低分辨率SOD数据集。针对过去方法中采样深度与感受野大小之间的矛盾，我们提出了一种用于HR-SOD任务的新型单阶段框架，采用金字塔移植机制。一般而言，采用基于Transformer和CNN的主干网络分别提取不同分辨率图像的特征，然后将这些特征从Transformer分支移植到CNN分支。提出了基于注意力的跨模型移植模块(CMGM)，以引导不同来源特征在解码过程中更整体地组合来自CNN分支的破碎细节信息。此外，我们设计了注意力引导损失(AGL)，用于显式监督CMGM生成的注意力矩阵，帮助网络更好地与来自不同分支的注意力进行交互。在UHRSD和广泛使用的SOD数据集上进行的全面实验表明，我们的方法能够同时定位显著物体并保留丰富细节，超越了最先进的方法。为验证所提出框架的泛化能力，我们将其应用于伪装物体检测(COD)任务。值得注意的是，我们的方法在没有任何额外技巧的情况下即可优于大多数最先进的COD方法。
引用
@article{arxiv.2408.01137,
title = {PGNeXt: High-Resolution Salient Object Detection via Pyramid Grafting Network},
author = {Changqun Xia and Chenxi Xie and Zhentao He and Tianshu Yu and Jia Li},
journal= {arXiv preprint arXiv:2408.01137},
year = {2024}
}