SE2Net：用于显著目标检测的连体边缘增强网络
计算机视觉与模式识别
2019-08-20 v2
摘要
深度卷积神经网络显著提升了显著目标检测在应对场景与物体外观大变化时的能力。然而，卷积操作力求在单个像素上产生强响应，却缺乏保持物体空间结构的能力。此外，池化与步幅等下采样操作丢失了显著物体的空间细节。本文提出一种简洁而有效的连体边缘增强网络（SE2Net）以保留显著目标检测中的边缘结构。具体而言，构建了一种新颖的多阶段连体网络来聚合低级与高级特征，并并行估计边缘与区域的显著图。结果，通过增强边缘处响应使预测区域更准确，并通过抑制背景中的假阳性使预测边缘更具语义性。在SE2Net生成精炼的边缘与区域显著图后，设计了一种边缘引导推理算法，以沿预测边缘进一步改善所得显著掩码。在多个基准数据集上的大量实验表明，我们的方法优于当前最先进的方法。
引用
@article{arxiv.1904.00048,
title = {SE2Net: Siamese Edge-Enhancement Network for Salient Object Detection},
author = {Sanping Zhou and Jimuyang Zhang and Jinjun Wang and Fei Wang and Dong Huang},
journal= {arXiv preprint arXiv:1904.00048},
year = {2019}
}