语义蒸馏引导的显著目标检测
计算机视觉与模式识别
2022-03-09 v1 计算与语言
摘要
大多数现有的基于CNN的显著目标检测方法能够识别如毛发和动物皮毛等局部分割细节，但由于SOD任务的主观性以及卷积层的局部性所导致的全局上下文信息缺失，常常误解真实的显著性。此外，由于不切实际的高昂标注成本，当前现有的SOD数据集不足以覆盖真实的数据分布。训练数据的局限性和偏差给充分探索给定图像中物体到物体以及物体到环境的语义关联增添了额外困难。本文中，我们提出了一种语义蒸馏引导的SOD（SDG-SOD）方法，通过将生成的图像描述中语义蒸馏的知识融合到基于Vision-Transformer的SOD框架中，产生准确的结果。SDG-SOD能更好地揭示物体间及物体到环境的显著性，并弥补SOD的主观本质与其高昂标注成本之间的差距。在五个基准数据集上的综合实验表明，SDG-SOD在四项评估指标上优于最先进的方法，并在DUTS、ECSSD、DUT、HKU-IS和PASCAL-S数据集上大幅提升了模型性能。
引用
@article{arxiv.2203.04076,
title = {Semantic Distillation Guided Salient Object Detection},
author = {Bo Xu and Guanze Liu and Han Huang and Cheng Lu and Yandong Guo},
journal= {arXiv preprint arXiv:2203.04076},
year = {2022}
}
备注
14 pages, 10 figures