SaLite：一种用于显著目标检测的轻量模型
计算机视觉与模式识别
2019-12-10 v1
摘要
显著目标检测是一项普遍的计算机视觉任务，应用范围从异常检测到异常处处理。上下文建模在显著性检测领域中是一个重要准则。全局上下文通过对比场景中全局视图下的其他物体，有助于确定给定图像中的显著物体。然而，局部上下文特征在给定区域内以更高精度检测显著物体的边界。为了兼顾两者优势，我们提出的 SaLite 模型同时使用全局与局部上下文特征。它是一种基于编码器-解码器的架构，其中编码器使用轻量 SqueezeNet，解码器使用卷积层建模。现代基于深度的显著性检测模型使用大量参数，难以部署于嵌入式系统。本文尝试使用 SaLite 解决上述问题，这是一种不牺牲性能的更轻量的显著目标检测流程。我们的方法在三个公开可用数据集 DUTS、MSRA10K 与 SOC 上进行了广泛评估。实验结果表明，我们提出的 SaLite 相比最先进方法具有显著且一致的提升。
引用
@article{arxiv.1912.03641,
title = {SaLite : A light-weight model for salient object detection},
author = {Kitty Varghese and Sauradip Nag},
journal= {arXiv preprint arXiv:1912.03641},
year = {2019}
}
备注
This was submitted to NCVPRIPG 2019