9
基于尺寸划分的RGB显著物体检测方法
source link: https://mp.weixin.qq.com/s/vfX-ACi6eic9OHehHsAVnw
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
基于尺寸划分的RGB显著物体检测方法
明泽danny
3D视觉工坊
1 week ago
点击上方“3D视觉工坊”,选择“星标”
干货第一时间送达
SDCNet: Size Divide and Conquer Network for Salient Object DetectionSenbo Yan, Xiaowen Song, and Chuer Yu论文及代码下载:在微信公众号「3D视觉工坊」后台,回复「RGB检测」,即可获取论文及代码下载链接。简介:为了解决现有的显著物体检测方法在检测小对象或大对象方面比较困难这一问题,该文提出了一种大小划分和征服网络(SDCNet),用以分别学习不同大小的突出对象的特征,以便提高检测性能。具体来说,SDCNet包含两个主要方面:(1)通过计算具有像素级的地面真相图像中物体的比例,并训练一个大小推理模块(SIM)来预测突出物体的大小。(2)提出了一种多通道尺寸划分模块(MSDM),分别学习不同尺寸的显著物体的特征。详细地,使用MSDM跟踪骨干网络的每个块,并使用不同的通道在不同的分辨率下提取不同大小范围内的突出对象的特征。与耦合附加特征不同,该文基于对不同数据分布的分治思想对网络进行编码,并专门学习不同大小的显著对象的特征。实验结果表明,SDCNet在五个基准数据集上的性能优于14种最先进的方法。主要贡献:- 该文提出了一种新的网络设计方法来划分和克服不同的数据分布。MSDM可以分别学习不同大小范围的突出对象的特征。这种基于数据特征的网络设计是有意义的。
- 该文提供了一个有效的思路,将数据集划分为不同的大小分类,来解决显著对象之间巨大的尺寸偏差,从而显著提高了显着性映射的准确性。
- 该文比较了所提出的方法和14种最先进的方法在五个基准数据集。在没有预处理和后处理的情况下,在三个评估指标上取得了更好的性能。
重磅!3DCVer-学术论文写作投稿 交流群已成立
扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。同时也可申请加入我们的细分方向交流群,目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。
一定要备注:研究方向+学校/公司+昵称,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,可快速被通过且邀请进群。原创投稿也请联系。
▲长按加微信群或投稿▲长按关注公众号
3D视觉从入门到精通知识星球:针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕,更有各类大厂的算法工程人员进行技术指导。与此同时,星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息,打造成集技术与就业为一体的铁杆粉丝聚集区,近2000星球成员为创造更好的AI世界共同进步,知识星球入口:
学习3D视觉核心技术,扫描查看介绍,3天内无条件退款 圈里有高质量教程资料、可答疑解惑、助你高效解决问题觉得有用,麻烦给个赞和在看~
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK