基于无损特征反射与加权结构损失的显著目标检测
计算机视觉与模式识别
2019-01-23 v1
摘要
显著目标检测(SOD)旨在识别并定位图像中最显著的像素或区域，因其在各种现实应用中的价值而受到越来越多的关注。然而，该视觉任务颇具挑战性，尤其在复杂图像场景下。受自然图像内在反射的启发，本文提出了一种用于大规模显著目标检测的新颖特征学习框架。具体而言，我们设计了一个对称全卷积网络(SFCN)，在无损特征反射的指导下有效学习互补的显著性特征。显著目标的位置信息连同上下文与语义信息，被联合用于监督所提网络以获得更精确的显著性预测。此外，为克服边界模糊问题，我们提出了一种新的加权结构损失函数，以确保清晰的目标边界和空间一致的显著性。粗预测结果被这些结构信息有效精炼以提升性能。在七个显著性检测数据集上的大量实验表明，我们的方法取得了持续优越的性能，并以较大优势超越了最新的SOTA方法。
引用
@article{arxiv.1901.06823,
title = {Salient Object Detection with Lossless Feature Reflection and Weighted Structural Loss},
author = {Pingping Zhang and Wei Liu and Huchuan Lu and Chunhua Shen},
journal= {arXiv preprint arXiv:1901.06823},
year = {2019}
}
备注
To appear in IEEE Transaction on Image Processing. This paper is extended from arXiv:1802.06527