尺寸不变性至关重要：重新思考不平衡多目标显著目标检测的度量与损失
计算机视觉与模式识别
2024-05-28 v2
摘要
本文探讨显著目标检测（SOD）中评估指标的尺寸不变性，特别是当同一图像中存在多个不同尺寸的目标时。我们观察到当前指标具有尺寸敏感性，即较大物体被关注，而较小物体往往被忽略。我们认为评估应具有尺寸不变性，因为在没有额外语义信息的情况下，基于尺寸的偏差是不合理的。为此，我们提出一种通用方法，分别评估每个显著目标，然后合并结果，有效缓解了不平衡问题。我们进一步开发了一个针对此目标的优化框架，在检测不同尺寸物体方面取得了显著改进。理论上，我们提供了支持新指标有效性的证据，并给出了SOD的泛化分析。大量实验证明了我们方法的有效性。代码已开源：https://github.com/Ferry-Li/SI-SOD。
引用
@article{arxiv.2405.09782,
title = {Size-invariance Matters: Rethinking Metrics and Losses for Imbalanced Multi-object Salient Object Detection},
author = {Feiran Li and Qianqian Xu and Shilong Bao and Zhiyong Yang and Runmin Cong and Xiaochun Cao and Qingming Huang},
journal= {arXiv preprint arXiv:2405.09782},
year = {2024}
}
备注
This paper has been accepted by ICML2024