SalGAN：基于生成对抗网络的视觉显著性预测
计算机视觉与模式识别
2018-07-03 v3
摘要
我们介绍了SalGAN，一种用于视觉显著性预测的深度卷积神经网络，其通过对抗样本进行训练。该网络的第一阶段由一个生成器模型组成，其权重通过基于显著性图下采样版本的二元交叉熵(BCE)损失计算的反向传播来学习。所得预测由一个判别器网络处理，该判别器被训练用于解决区分生成阶段产生的显著性图与真实显著性图的二元分类任务。我们的实验表明，当与BCE等广泛使用的损失函数结合时，对抗训练如何能在不同度量下达到最先进(state-of-the-art)性能。我们的结果可通过位于 https://imatge-upc.github.io/saliency-salgan-2017/ 的源代码和训练模型复现。
引用
@article{arxiv.1701.01081,
title = {SalGAN: Visual Saliency Prediction with Generative Adversarial Networks},
author = {Junting Pan and Cristian Canton Ferrer and Kevin McGuinness and Noel E. O'Connor and Jordi Torres and Elisa Sayrol and Xavier Giro-i-Nieto},
journal= {arXiv preprint arXiv:1701.01081},
year = {2018}
}
备注
Submitted for review to Computer Vision and Image Understanding (CVIU)