Cascaded Interaction with Eroded Deep Supervision for Salient Object Detection

要約

深層畳み込みニューラル ネットワークは、顕著な物体の検出に広く適用されており、この分野で顕著な成果を上げています。
しかし、既存のモデルは、アップサンプリングおよびダウンサンプリング中の補間によって引き起こされる情報の歪みに悩まされています。
この欠点に対応して、この記事はネットワークの 2 つの方向、つまり機能とラベルから始めます。
一方で、グローバル-ローカル アラインメント アテンション (GAA) と呼ばれるガイダンス モジュールを備えた新しいカスケード インタラクション ネットワークは、機能側での補間の悪影響を軽減するように設計されています。
一方、エッジ侵食に基づく深い監視戦略は、横方向出力に対するラベル補間の負のガイダンスを減らすために提案されています。
5 つの人気のあるデータセットに対する広範な実験により、私たちの方法の優位性が実証されました。

要約(オリジナル)

Deep convolutional neural networks have been widely applied in salient object detection and have achieved remarkable results in this field. However, existing models suffer from information distortion caused by interpolation during up-sampling and down-sampling. In response to this drawback, this article starts from two directions in the network: feature and label. On the one hand, a novel cascaded interaction network with a guidance module named global-local aligned attention (GAA) is designed to reduce the negative impact of interpolation on the feature side. On the other hand, a deep supervision strategy based on edge erosion is proposed to reduce the negative guidance of label interpolation on lateral output. Extensive experiments on five popular datasets demonstrate the superiority of our method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google