【显著性检测】【CVPR2018】Salient Object Detection Driven by Fixation Prediction【论文笔记】

论文链接

显著性检测分为显著性物体检测和凝视点检测,过于人们往往认为这两者是完全不同的任务,而很少有人探究相互之间的联系。

该文作者提出利用凝视点检测来指导显著性物体检测。

 作者提出的ASNet网络结构如图,经过前向传播,VGG网络得到凝视点检测图,然后通过ConvLSTM对图像进行精细化,每个ConvLSTM的循环次数为3,通过不断结合VGG网络提取的各级特征,从高级特征向低级特征来指导显著性物体检测,使得显著性凝视点图越来越接近显著性物体检测图,最后输出显著性物体检测图。

补充几个很有用的点

点1这个是作者使用的数据集,与测试集,可以看到,数据集的增强加上图像预处理,可以提升网络,是以后工作的一个思路。

【显著性检测】【CVPR2018】Salient Object Detection Driven by Fixation Prediction【论文笔记】_第1张图片

 点2 使用多种可能的损失函数,特别是评价指标作为损失函数,可以一定程度上提升指标的性能。作者也在文章验证了。

【显著性检测】【CVPR2018】Salient Object Detection Driven by Fixation Prediction【论文笔记】_第2张图片

点3 利用ConvLSTM进行处理,比使用传统的一次卷积,这里相当于使用三次,可以更进一步提升效果。

 【显著性检测】【CVPR2018】Salient Object Detection Driven by Fixation Prediction【论文笔记】_第3张图片

 

你可能感兴趣的:(【显著性检测】【CVPR2018】Salient Object Detection Driven by Fixation Prediction【论文笔记】)