[论文阅读] A Simple Pooling-Based Design for Real-Time Salient Object Detection
论文地址:https://arxiv.org/abs/1904.09569
代码:http://mmcheng.net/poolnet/
发表于:CVPR’19
Abstract
我们通过研究如何扩大卷积神经网络中池化的作用来解决显著目标检测的问题。基于U型结构,我们首先在自下而上的路径上建立了一个全局引导模块(GGM),旨在为不同特征层次的层提供潜在显著对象的位置信息。我们进一步设计了一个特征聚合模块(FAM),使粗略层次的语义信息与自上而下路径的精细层次的特征很好地融合。通过在自上而下途径的融合操作之后添加FAM,来自GGM的粗糙特征可以与各种尺度的特征无缝融合。这两个基于池化的模块允许高层次的语义特征被逐步细化,产生细节丰富的显著图。实验结果表明,我们提出的方法可以更准确地定位具有精细细节的显著对象,因此与以前的SOTA相比,性能得到了大幅提高。我们的方法也很快速,在处理300×400的图像时可以以超过30FPS的速度运行。代码可以在http://mmcheng.net/poolnet/找到。
I. Overview
本文从结构上属于非常简洁的那种,只引入了两个模块,一个GGM,一个FAM,解决的是SOD多级特征融合中两个基本问题:低级局部特征在向下传播的过程中丢失;深层的感受野不够大导致全局上下文不足。
而之所以本文叫PoolNet,是因为以上所述的两个模块都是基于池化操作的。
II. Network Architecture
III. GGM(Global Guidance Module)
GGM对应模型的这一部分:
其核心就是一个PPM模块(图中的PPP)以及如何利用PPP处理后的信息。实际上,这个PPP对应的就是语义分割中使用的金字塔池化模块,作用是提取多尺度的上下文信息。严格来讲,往U型网络中插个多尺度上下文提取模块是比较常见的(插在encoder与decoder之间),不过文中认为这么做有个问题,也就是这种信息的强化只对接近PPM的decoder块影响较大,而在逐步上采样过程中这种强化又被稀释了。
因此,本文的做法是,把这个PPM模块给单独作为一个分支,然后以恒等映射的方式将特征送回解码器的各个阶段,这样就可以缓解稀释的问题。
IV. FAM(Feature Aggregation Module)
FAM对应模型的这一部分:
也就是说,相当于是把传统decoder block里的两个卷积给换成了本文所提出来的学习能力更强的模块。FAM长这样:
这个东西和PPM其实很类似,也是一种金字塔池化模块,能够更好地处理多尺度特征。需要注意的是sum之后应该跟一个3×3卷积,以避免特征融合时的混叠效应(aliasing effect)。
[论文阅读] A Simple Pooling-Based Design for Real-Time Salient Object Detection相关推荐
- [论文阅读] Looking for the Detail and Context Devils: High-Resolution Salient Object Detection
论文地址:https://dx.doi.org/10.1109/TIP.2020.3045624 发表于:TIP 2021 Abstract 近年来,随着大规模基准测试与深度学习技术的成就,显著目标检 ...
- 论文阅读:BPFINet: Boundary-aware progressive feature integration network for salient object detection
论文地址:https://doi.org/10.1016/j.neucom.2021.04.078 代码地址:https://github.com/clelouch/BPFINet 发表于:Neuro ...
- 【论文阅读】A2S-Det: Efficiency Anchor Matching in Aerial Image Oriented Object Detection
A 2 S-Det:航空图像定向目标检测中的高效锚点匹配 论文地址:https://www.mdpi.com/2072-4292/13/1/73/htm 二次阅读笔记也可以看看,下面这篇博客翻译会更准 ...
- 论文阅读(Chenyi Chen——【ACCV2016】R-CNN for Small Object Detection)
Chenyi Chen--[ACCV2016]R-CNN for Small Object Detection 目录 作者和相关链接 方法概括 创新点和贡献 方法细节 实验结果 总结与收获点 参考文献 ...
- 【转】论文阅读(Chenyi Chen——【ACCV2016】R-CNN for Small Object Detection)
Chenyi Chen--[ACCV2016]R-CNN for Small Object Detection 目录 作者和相关链接 方法概括 创新点和贡献 方法细节 实验结果 总结与收获点 参考文献 ...
- 【文献阅读】Cascaded Partial Decoder for Fast and Accurate Salient Object Detection
文章目录 写在前面 整体框架 部分解码器 整体注意力 整体代码 写在前面 这是2019CVPR的一篇文章,关于显著目标检测的.提出了一种CPD框架 大概记录一下对这个文章的理解,做了一些图,如有不对, ...
- 论文阅读《Dense Relation Distillation with Context-aware Aggregation for Few-Shot Object Detection》
Background & Motivation 文中认为在此之前的 Few-shot 目标检测方法中的两类存在着不足: 采用元学习的训练策略,同时 reweight 每一类的表征. fine- ...
- 【论文阅读】【三维目标检测】BirdNet: a 3D Object Detection Framework from LiDAR Information
文章目录 BirdNet 数据预处理 处理网络 后处理 实验 评价 BirdNet: a 3D Object Detection Framework from LiDAR Information 西班 ...
- 论文笔记-F3Net:Fusion, Feedback and Focus for Salient Object Detection
论文笔记之2020-AAAI-F3Net-F3Net:Fusion, Feedback and Focus for Salient Object Detection 论文地址:https://arxi ...
- 论文阅读 [TPAMI-2022] Grid Anchor Based Image Cropping: A New Benchmark and An Efficient Model
论文阅读 [TPAMI-2022] Grid Anchor Based Image Cropping: A New Benchmark and An Efficient Model 论文搜索(stud ...
最新文章
- 数据结构与算法(3-2)队列(顺序队列、循环队列与链队列)
- java verbose gc_jvm参数-verbose:gc和-XX:+PrintGC有区别?
- PHP操作文件常用函数
- 数据中心进水了怎么办?数据中心如何防洪?
- 循环神经网络matlab程序设计,神经网络及深度学习(包含matlab代码).pdf
- C# IOCP完成端口模型(简单实用高效)
- hlsl之ambient
- HDU 2009 整除的尾数 题解
- masm32环境配置
- python学习笔记|SQLite数据库基本知识
- 西门子S7-300 PLC视频教程(百度网盘)收集于网络-供参考学习
- 女士品茶——统计学如何变革了科学和生活1
- python中math isnan_带有Python示例的math.isnan()方法
- ftp同步工具,6款最值得推荐的ftp同步工具
- 移动端图形架构之PowerVR of Imagination Tile-based rendering
- 如何在Excel中创建动态定义的范围
- mc服务器bug修复,我的世界服务器BUG解决办法大全
- PHP是什么,能做什么,为什么用PHP
- math函数常用操作
- Android 内存优化——常见内存泄露及优化方案
热门文章
- php 8发布,PHP 8.0.0 正式版发布啦,一个崭新时代来临!
- n维椭球体积公式_加速度计 椭球校准 (最小二乘法 椭球拟合)
- python第三方库安装(复习)
- python创建时间序列_python时间序列按频率生成日期
- python中set index_python pandas DataFrame.set_index用法及代码示例
- Python利用openpyxl来操作Excel(一)
- pytorch学习笔记(二十六):NIN
- visual studio 安装教程
- 【Qt教程】1.7 - Qt5带参数的信号、信号重载、带参数的槽函数、槽函数重载
- 树莓派教程 - 1.0 树莓派GPIO库wiringPi 点亮LED