U$^2$-Net：采用嵌套U结构深化显著目标检测
计算机视觉与模式识别
2022-03-10 v3
摘要
在本文中，我们设计了一个简单但强大的深度网络架构U-Net，用于显著目标检测(SOD)。我们的U-Net架构是一个两级嵌套U结构。该设计具有以下优点：(1) 由于我们提出的残差U块(RSU)中不同大小感受野的混合，它能够从不同尺度捕获更多上下文信息；(2) 由于这些RSU块中使用的池化操作，它在不显著增加计算成本的情况下增加了整个架构的深度。该架构使我们能够从零开始训练深度网络，而无需使用图像分类任务的骨干网络。我们实例化了所提架构的两个模型，U-Net（176.3 MB，在GTX 1080Ti GPU上30 FPS）和U-Net（4.7 MB，40 FPS），以便于在不同环境中使用。两个模型在六个SOD数据集上均取得了具有竞争力的性能。代码可用：https://github.com/NathanUA/U-2-Net。
引用
@article{arxiv.2005.09007,
title = {U$^2$-Net: Going Deeper with Nested U-Structure for Salient Object Detection},
author = {Xuebin Qin and Zichen Zhang and Chenyang Huang and Masood Dehghan and Osmar R. Zaiane and Martin Jagersand},
journal= {arXiv preprint arXiv:2005.09007},
year = {2022}
}
备注
Accepted in Pattern Recognition 2020