论文笔记-A Single Stream Network for Robust and Real-time RGB-D Salient Object Detection

昨天当作15天休息一天吧
那么今天就是论文阅读计划的第16天了

今天开始介绍目标检测相关的论文啦～

天池有一个将这篇论文的视频，感兴趣的朋友可以去看看：https://tianchi.aliyun.com/course/video?liveId=41223

一、背景

显著目标检测旨在估计图像区域的视觉意义，进而分割出显著目标。它已被广泛应用于许多领域，例如场景分类[29]、视觉跟踪[21]、人的重新识别[30]、前景图评估[10]、内容感知图像编辑[52]、光场图像分割[36]和图像字幕[14]等。

随着深度卷积神经网络的发展，大量基于深度卷积神经网络的方法[33，44，35，37，43，6，45，42，39，27，38，24，48]被提出用于RGB显著目标检测，并取得了令人满意的性能。然而，一些复杂的场景仍然没有解决，例如突出的对象与背景具有相似的外观，或者不同对象之间的对比度极低。在这些情况下，仅使用RGB图像提供的信息不足以很好地预测显著图。

最近得益于微软Kinect和英特尔RealSense设备，可以方便地获取深度信息。此外，深度图中描绘的稳定几何结构对于亮度和纹理的变化是鲁棒的，这可以为处理复杂环境提供重要的补充信息。

现有的三维显著目标检测方法主要集中在深度流和RGB流的跨模态融合上。他们没有深入探究深度图本身的效果。

二、现有方法存在的缺点

• 参数量过大
• 没有利用好