用于精确显著目标检测的递归轮廓显著性融合网络
计算机视觉与模式识别
2021-08-24 v3
摘要
轮廓信息在显著目标检测中起着至关重要的作用。然而，由于轮廓与显著性融合不足，现有基于轮廓的模型的预测中仍存在大量误检。本工作中，我们设计了一个网络以获得更好的显著目标检测边缘质量。我们提出轮廓-显著性融合模块，以在轮廓与显著性之间交换信息。我们采用递归 CNN 在保持总可训练参数量不变的同时增强轮廓-显著性融合。此外，我们设计了分阶段特征提取模块，以帮助模型从先前的中间显著性预测中选取最有用的特征。我们还提出了两个新的损失函数，即双重约束损失（Dual Confinement Loss）与置信度损失（Confidence Loss），以使模型生成更好的边界预测。在五个常用基准数据集上的评估结果表明，我们的模型取得了有竞争力的 SOTA 性能。
引用
@article{arxiv.2105.13865,
title = {Recursive Contour Saliency Blending Network for Accurate Salient Object Detection},
author = {Yi Ke Yun and Takahiro Tsubono},
journal= {arXiv preprint arXiv:2105.13865},
year = {2021}
}