基于边界框监督的显著目标检测

全监督显著目标检测模型的成功依赖于大量的像素级标注。本文研究基于边界框的弱监督显著目标检测，以减轻标注负担。给定边界框标注，我们观察到边界框内的像素可能包含大量标注噪声。然而，由于排除了大量背景，前景边界框区域包含的背景较为简单，使得仅利用裁剪出的前景区域进行基于手工特征的显著目标检测成为可能。由于传统的手工特征代表性不足，导致显著图含有噪声，我们进一步引入结构感知自监督损失来正则化预测的结构。此外，我们断言边界框外的像素应为背景，因此可使用部分交叉熵损失函数来精确局部化准确的背景区域。在六个基准 RGB 显著目标数据集上的实验结果证明了我们模型的有效性。