SAC-Net：用于显著目标检测的空间衰减上下文
计算机视觉与模式识别
2020-05-21 v3
摘要
本文提出了一种新的深度神经网络设计，用于显著目标检测，通过最大化显著目标内部、周围及之外的局部与全局图像上下文的融合。我们的核心思想是，以随空间可变衰减的方式在整个特征图上自适应地传播与聚合图像上下文特征。为此，我们设计了空间衰减上下文（SAC）模块，以不同的衰减因子独立地递归平移与聚合上下文特征，进而注意力式地学习权重以自适应地整合所聚合的上下文特征。通过将该模块进一步嵌入深度网络中逐层处理，即 SAC-Net，我们可以端到端地训练网络并优化用于显著目标检测的上下文特征。与 29 种最先进方法相比，实验结果表明，在六个常用基准数据上，我们的方法在定量与视觉上都优于所有其他方法。
引用
@article{arxiv.1903.10152,
title = {SAC-Net: Spatial Attenuation Context for Salient Object Detection},
author = {Xiaowei Hu and Chi-Wing Fu and Lei Zhu and Tianyu Wang and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:1903.10152},
year = {2020}
}