通过显著物体瞬数化的弱监督显著性检测
计算机视觉与模式识别
2021-01-05 v1
摘要
显著物体检测旨在检测最具视觉区分性的物体并生成相应掩码。由于像素级标注成本高,图像标签通常被用作弱监督。然而,一个图像标签只能用于标注一类物体。本文中,我们引入显著物体瞬数化(saliency subitizing)作为弱监督,因其与类别无关。这使得监督与显著性检测的性质相对齐,其中一幅图像的显著物体可来自多个类别。为此,我们提出一个含两个模块的模型:显著物体瞬数化模块(Saliency Subitizing Module, SSM)与显著性更新模块(Saliency Updating Module, SUM)。SSM 利用瞬数化信息学习生成初始显著性掩码,无需任何无监督方法或随机种子,而 SUM 帮助迭代精炼所生成的显著性掩码。我们在五个基准数据集上进行了充分实验。实验结果表明,我们的方法优于其他弱监督方法,甚至可与某些全监督方法相媲美。
引用
@article{arxiv.2101.00932,
title = {Weakly-Supervised Saliency Detection via Salient Object Subitizing},
author = {Xiaoyang Zheng and Xin Tan and Jie Zhou and Lizhuang Ma and Rynson W. H. Lau},
journal= {arXiv preprint arXiv:2101.00932},
year = {2021}
}
备注
This paper is accepted to IEEE Trans. on Circuits and Systems for Video Technology (TCSVT)