基于卷积神经网络的压缩图像鲁棒显著物体检测
计算机视觉与模式识别
2024-09-23 v1
摘要
显著物体检测 (SOD) 在近年来取得了显著进展。在实际场景中，压缩图像 (CI) 作为数据传输和存储的主要载体。然而，极少有研究关注使用卷积神经网络 (CNN) 对压缩图像进行 SOD。本文我们致力于严格基准化和分析 CNN 基于压缩图像的显著物体检测。为全面研究此问题，我们仔细构建了来自现有公开 SOD 数据集的各种 CI SOD 数据集。随后，我们检验了代表性的 CNN 基于 SOD 方法，在压缩图像（约 264 万张图像）上的鲁棒性。重要的是，我们的评估结果揭示了两个关键发现：1) 当前基于 CNN 的最先进 SOD 模型虽然在干净图像上表现出色，但在压缩图像上表现出显著瓶颈。2) 影响 CI SOD 鲁棒性的主要因素根植于压缩图像的特征以及在显著性特征学习中的局限。基于这些观察，我们提出了一个简单而有前景的基线框架，专注于鲁棒特征表示学习，以实现基于 CNN 的 CI SOD。大量实验表明，我们的方法有效，展现出在各种图像退化程度下显著提升的鲁棒性，同时在干净数据上保持竞争的准确性。我们希望我们的基准化努力、分析见解和提出的方法能促进社区对 CNN 基于 SOD 算法鲁棒性的更全面理解，并激发未来研究的热情。
引用
@article{arxiv.2409.13464,
title = {Robust Salient Object Detection on Compressed Images Using Convolutional Neural Networks},
author = {Guibiao Liao and Wei Gao},
journal= {arXiv preprint arXiv:2409.13464},
year = {2024}
}