南开大学程明明老师团队提出了EGNet，一种边缘引导的显著目标检测算法，该算法在ICCV 2019中表现出色，刷新了主流数据集的所有评价指标。EGNet利用边缘信息引导网络，通过低层边缘监督和高层显著目标检测，实现优异的场景理解能力。代码已开源。
点击我爱计算机视觉标星，更快获取CVML新技术
人类的视觉感知中，可以非常容易的聚焦于场景的显著性目标，在计算机视觉的很多问题中，也需要类似的机制，可以让计算机更好地理解场景。尤其是人类目的明确的应用场景。
比如，52CV曾经跟大家分享过淘宝的拍照购物算法 KDD2018 阿里巴巴论文揭示自家大规模视觉搜索算法，用户上传的照片往往是背景复杂的，算法其实很需要聚焦于用户在拍照时到底感兴趣的哪个目标（这时候往往就是场景里最显著的目标），然后再去数据库检索相同和相似的商品。
在阿里巴巴的视觉搜索算法中并没有显式地进行显著目标检测，那是因为阿里海量的数据训练已经使网络内部学习到了这种感知目标显著性或者用户意图的能力。
显著性目标检测无疑是重要的，可以让计算机更好的进行场景感知。
今天跟大家分享一篇来自南开大学程明明老师组的显著目标检测的论文EGNet: Edge Guidance Network for Salient Object Detection，该文已中ICCV 2019。
下图为该文提出的EGNet检测出的显著目标的例子：
最低0.47元/天 解锁文章
扫一扫
2615
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
