Pyramidal Feature Shrinking for Salient Object Detection
Pyramidal Feature Shrinking for Salient Object Detection
核心思想
现况
现有的做法大多数是通过包含细节的底层特征与包含语义的高层特征简单地大分为聚合实现特征的融合,而这种操作往往回引入噪声对输出造成不良影响。
本文
逐层融合相邻特征节点信息,使细节和语义融合更为高效,忽略干扰信息;这种做法不像其他的做法,其他做法跨级过多,信息差异大,网络无法很好的分辨出噪声与大差异的信息点,因而经常将具有显著差异的信息融合。
该网络只关注相邻信息点的融合,网络相对更能分辨出大差异但关键的信息与噪音,通过多级相邻融合,最后输出需要的输出。
一些需要提到的
跳级融合
对FPN经过可视化可以发现,较大差异的特征直接组合回产生噪声造成网络的性能下降
许多的特征融合网络都进入了如此的误区
相邻融合
受到物种进化的启发,在自然选择的约束下,只有相似的物种之间才能产生真正可繁殖的可长期繁衍下去的后代;自然选择会增强适应环境的基因,抑制不适应环境的基因;
特征融合的其他研究
----这些论文之后需要去看
----U-Net逐步的调节链接将编码器的特征补充到解码器中
----通过空间注意力和通道注意力让网络自主选择更适合当前样本的特征
----通过局部和全局特征来预测显著区域
----通过损失函数优化
----通过结合池化操作捕捉特征
----AIM模块–>相邻特征提取多尺度信息–>SIM
---- Interactive Two-Stream Decoder, ITSD 充分利用显著目标边界图与显著目标图的关系
本文思想
基本结构
相邻融合
受到物种进化的启发,在自然选择的约束下,只有相似的物种之间才能产生真正可繁殖的可长期繁衍下去的后代;自然选择会增强适应环境的基因,抑制不适应环境的基因;
----在骨干网络的输出处进行融合,相邻才融合,通过多层的融合选择作用,最适合当前训练环境的输入特性被保留下来,使用AFM模块进一步进行融合与强调。
PSD
基本原理
----是整个模型的名字
----解码器逐层聚合相邻特征,拒绝任何隔离特征融合的操作,避免引入噪声点
实现代码
…
WCAT
基本原理
实现
----将两个输入进行拼接–>所得a
----对a进行1x1卷积的处理后与a进行乘法运算
----通过3x3卷积进行进一步的特征提取
AFM
基本原理
----相邻融合模块
----首先对相邻特征进行空间互补,对不同的特征赋予不同的权值,通过卷积对特征进行压缩
----强调对合适特征的增强与不合适特征的弱化
实现
----输入两个不同大小的特征图a、b,通过上采样使得特征图对齐【b–>b`】
----使a、b`相乘,相乘的结果与原先的两个输入进行相加的操作
----分别使用3x3卷积进行进一步的特征处理
----然后将所得输入WCAT模块
SEM
基本原理
----是对骨架网络的各层输出进行处理
----使用SEM加强输入特征的的丰富性,充分利用输入的原始特征,同时强调大小、多尺度;
----强调输入特征的多尺度性
实现
----对输入进行逐层的邻近融合
----又不断地将高层的融合所得传入底层与低层融合
----逐层前推–>类似数据结构中冒泡排序算法的做法
Pyramidal Feature Shrinking for Salient Object Detection相关推荐
- 论文阅读:Pyramidal Feature Shrinking for Salient Object Detection
论文地址:https://ojs.aaai.org/index.php/AAAI/article/view/16331 发表于:AAAI 2021 I. Intro 这个网络是用来做显著目标检测的 核 ...
- 【Salient Object Detection】显著性物体检测资料汇总
显著性物体检测的一系列资料汇总 v1.0 研究小组&people 南开大学媒体计算, Salient object detection datasets,全面的方法总结评测+一系列此领域研究工 ...
- 论文翻译《Salient object detection: A survey》
传统的方法: 可大致分为三类:基于block和intrinsic cues的模型.基于region和intrinsic cues的模型.基于extrinsic cues的模型(包括block和regi ...
- Revisiting Salient Object Detection: Simultaneous Detection, Ranking, and Subitizing of Multiple Sal
问题: 作者认为,显著性目标检测领域迄今为止的工作解决的是一个相当病态的问题.即不同的人对于什么是显著性目标没有一个普遍的一致意见.这意味着一些目标会比另一些目标更加显著,并且不同的显著性目标中存在着 ...
- [论文阅读] Stereoscopically Attentive Multi-scale Network for Lightweight Salient Object Detection
论文地址:https://dx.doi.org/10.1109/TIP.2021.3065239 代码:https://mmcheng.net/SAMNet 发表于:TIP 2021 Abstract ...
- [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 ...
- Weakly-Supervised Salient Object Detection via Scribble Annotations
Weakly-Supervised Salient Object Detection via Scribble Annotations 摘要 1. Introduction 2. Related Wo ...
- Weakly Supervised Video Salient Object Detection
Weakly Supervised Video Salient Object Detection 摘要 1. Introduction 2. Related Work 3. Our Method 3. ...
- 视频显著性检测----《Flow Guided Recurrent Neural Encoder for Video Salient Object Detection》
本文将重点与大家探讨和分享发表于CVPR2018上的视频显著性检测文章–<Flow Guided Recurrent Neural Encoder for Video Salient Objec ...
- 【深度学习】FPN(特征金字塔)简介:Feature Pyramid Networks for Object Detection
[深度学习]FPN(特征金字塔):Feature Pyramid Networks for Object Detection 提示:博主取舍了很多大佬的博文并亲测有效,分享笔记邀大家共同学习讨论 博文 ...
最新文章
- ORCAD常用元件库说明
- 给Fedora 15的gnome3增加自定义程序快捷方式
- 【机器学习】分类算法-sklearn转换器和估计器
- android:碎片的概念
- linux接口 头文件,第一种:1、添加关键头文件:#include linux/of_gpio.h#include linux/gpio.h...
- ad09只在一定范围内查找相似对象_23、面向对象编程
- Linux 资料大全
- LeetCode 9. 回文数
- 【手机开发岗位职责|手机开发是做什么的】-看准网
- Hive从身份证号中提取相关信息_性别_年龄_出生日期_详细地址
- jxbrowser 6.18 以及 6.16 破解 整合
- selenium + 超级鹰 识别验证码自动登录
- [TJOI2019]唱、跳、rap和篮球_生成函数_容斥原理_ntt
- H3C模拟器安装及解决各种兼容性问题方法
- PDF如何裁剪页面,PDF裁剪页面的方法
- 将RSA加密应用在ARM-Linux平台
- Firefox for Mac(火狐浏览器 mac)一款速度快到飞起的浏览器
- 【面试/笔试】—— 数学
- 如何阻止事件冒泡与默认事件?
- 计算机毕业设计Android网上相亲交友婚恋app(源码+系统+mysql数据库+Lw文档)
热门文章
- android 文件管理器打开方式,android怎么用浏览器打开浏览器文件?
- oj美元和人民币java_【牛客网OJ题】:人民币转换
- Unity3D游戏启动界面常用设置
- 傲梅备份服务器系统,傲梅轻松备份如何还原系统的详细解析
- 互联网广告行业术语及缩写
- Java数组的复制、扩容、删除
- Linux命令详解之 cp
- 重启服务器后docker wordpress “Error establishing a database connection”解决办法
- python中shape的解释
- 第三章 集合的基本概念和运算