Iccv 2019之显著性检测：EGNet: Edge Guidance Network for Salient Object Detection

最新推荐文章于 2024-06-10 09:45:35 发布
最新推荐文章于 2024-06-10 09:45:35 发布
阅读量3.6k 收藏 12
点赞数
分类专栏： 显著性检测 文章标签： 深度学习 显著性检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41967539/article/details/101212139
版权

EGNet: Edge Guidance Network for Salient Object Detection
Jia-Xing Zhao, Jiang-Jiang Liu, Deng-Ping Fan, Yang Cao, Ju-Feng Yang, Ming-Ming Cheng

简述：
本文是将提取显著物体结构特征和提取显著边缘特征相互融合互补，来实现显著图像检测及图像提取，并利用loss函数对边缘信息进行处理(如IoU loss, SSIM loss)。
IoU Loss
SSIM Loss
当前，对于显著性检测问题，多为U-Net shape或U-Net shape，Loss函数选取交叉熵进行图像检测，但是其局部边缘的缺失问题一直以来没有很好的改善，本文提出的EGNet，显式地利用边缘信息，然后用边缘信息的特征融合入Salient Object部分，已达到截止当前为效果最好的显著性图像检测结果。

模型：
EGNet
EGNet网络，该网络由三个部分组成，NLSEM（边缘提取模块）、PSFEM（目标特征提取模块）、O2OGM（一对一指导模块），原始图片通过两次卷积输出图片边缘信息&

最低0.47元/天 解锁文章
用GAN得有GPU
关注
  • 0
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
2019ICCV_EGNet 论文原文 显著性检测SOD.pdf
09-26
EGNetSOD论文原文 EGNet: Edge Guidance Network for Salient Object Detection 2019年ICCV
EGNet: Edge Guidance Network for Salient Object Detection
Maggie's blog
03-20 977
论文主要解决的问题： 全卷积神经网络(FCNs)在突出的目标检测任务中显示出了其优势。然而，大多数现有的基于fcns的方法仍然存在粗糙的对象边界。与基于区域的方法相比，像素级显著目标检测方法具有优势。然而，他们忽略了图像中的空间相干性，导致显著的物体边界不满意。大多数方法都希望通过融合多尺度信息来解决这一问题。一些方法使用后处理，如CRF来细化突出的对象边界。在NLDF中，他们提出了一个IOU损失来影响边缘周围位置的梯度。它们都不注意显著边缘检测和显著目标检测之间的互补性。一个良好的显著边缘检测结果可以帮.
显著性目标检测论文总结---EGNet
BingY_998的博客
07-05 2259
EGNet总结 EGNet: Edge Guidance Network for Salient Object Detection ICCV2019 用于显著性目标检测的边缘指导网络 1、论文主要研究内容 第一步，本文采用渐进式融合的方法提取出显著的目标特征。 第二步，将局部边缘信息和全局位置信息相结合，得到显著的边缘特征。 第三步，为了充分利用这些互补特征，本文将相同的显著边缘特征与不同分辨率下的显著目标特征相结合。 进而本文提出一个EGNet来显式地模拟网络中互补的显著对象信息和显著的边缘信息，以保持
推荐文章： Suppress and Balance - 简单而强大的门控网络
最新发布
gitblog_00005的博客
06-10 233
推荐文章： Suppress and Balance - 简单而强大的门控网络 项目地址:https://gitcode.com/Xiaoqi-Zhao-DLUT/GateNet-RGB-Saliency 项目介绍 我们荣幸地向您推荐一个在ECCV 2020会议上发表的oral论文所对应的开源项目——Suppress and Balance: A Simple Gated Network for ...
EGNet: Edge Guidance Network for Salient Object Detection (ICCV 2019)
taxuewuhenxiaoer
02-20 552
EGNet: Edge Guidance Network for Salient Object Detection 这篇文章发表在ICCV 2019。 FCNs（全卷积网络 fully convotional neual networks）在解决显著性目标检测展现出了自己的优势。但是目前基于全卷积网络的方法有一个弊端——边界轮廓粗糙。本篇文章基于为了解决图像边界的问题，提出了新的框架结构。 本文的...
EGNet: Edge Guidance Network for Salient Object Detection 论文及代码解读
weixin_45908408的博客
09-23 872
EGNet: Edge Guidance Network for Salient Object Detection 论文及代码解读 注：本文原创作者为Jia-Xing Zhao, Jiang-Jiang Liu, Deng-Ping Fan, Yang Cao, Ju-Feng Yang, Ming-Ming Cheng* TKLNDST, CS, Nankai University 本人仅对论文和代码进行注释讲解，如有侵权请联系删除文章即可。 论文分析： 1、论文的研究初衷，为什么要研究这个课题或者研究这
2020cvpr显著性目标检测
qq_43082542的博客
06-27 2748
显著性目标检测 【1】Learning Selective Self-Mutual Attention for RGB-D Saliency Detection 作者：Nian Liu, Ni Zhang, Junwei Han 【2】Label Decoupling Framework for Salient Object Detection 作者：Jun Wei, Shuhui Wang, Zhe Wu, Chi Su, Qingming Huang, Qi Tian 【3】Weakly-Supervi
Optimizing the F-measure for Threshold-free Salient Object Detection (ICCV 2019)
01-20
《优化F-measure以实现无阈值显著对象检测》(ICCV 2019) 在当前的计算机视觉领域，显著性目标检测是一项关键任务，它通常基于卷积神经网络(CNN)进行处理。传统的做法是利用交叉熵损失函数来优化模型，然而，评估...
ICCV2019.pdf
05-29
It is challenging for weakly supervised object detection network to precisely predict the positions of the objects, since there are no instance-level category annotations. Most existing methods tend ...
Codes-ECCV12ITTI_图像显著性检测_
10-03
【图像显著性检测】是一种计算机视觉领域的核心技术，其主要目标是自动识别图像中最具吸引力或最突出的部分，这些部分通常对应于人类视觉系统最关注的区域。显著性检测在多种应用中发挥着关键作用，包括图像摘要、...
Awesome-ICCV:ICCV2019最新录用情况
05-11
本内容现在是ICCV2019,后期会更新为ICCV2021以随时更新 Awesome-ICCV2019 更新所有录用论文（已更新1000余篇ICCV2019论文） Last updated: 2021/01/25 【计算机视觉联盟】回复【ICCV2019】即可获得百度云所有论文...
2019显著性检测 EGNet: Edge Guidance Network for Salient Object Detection
weixin_41962015的博客
02-27 1764
【文章】 【代码】http://mmcheng.net/egnet/ 1.摘要 Fully convolutional neural networks (FCNs) have shown their advantages in the salient object detection task. However, most existing FCNs-based methods still suf...
论文笔记-Suppress and Balance: A Simple Gated Network for Salient Object Detection
Lyndsey的博客
11-29 1690
Hello, 今天是论文阅读计划的第19天啦～ 也是我在这30天中要介绍的最后一篇目标检测的论文啦 一、背景 最显著的目标检测方法使用的基本结构是三角网或特征金字塔网络(FPN)。这些方法忽略了编码器与解码器交换信息时的两个关键问题:一是它们之间缺乏干扰控制，二是没有考虑不同编码器块贡献的差异。在这项工作中，我们提出了一个简单的门控网络来同时解决这两个问题。 众所周知，解码器中预测的高质量显著图严重依赖于编码器提供的有效特征。然而，上述方法直接使用all-pass skip-layer结构来将编码器的特征连
计算机视觉 08----EGNetEdge_Guidance_Network_for_Salient_Object_Dete（论文笔记）
seven_zhouyan的博客
03-01 376
1、论文的提出（目的） 现有的依赖全卷积网络进行显著性检测的方法存在边缘检测模糊的问题，所以提出EGNet网络，试图解决该问题。 早期的视觉认知项目的方法主要得益于全局或者局部对比度以及学习权重，但这种利用人工标识特征的方法即使偶尔能够定位准确，但是使用不可靠的分割方法使得前向和后向对比不可靠时，所产生的显著性特征图也不规律。 最近卷积网络也很盛行，特别是全卷积网络的提出后，该网络效率很高，全卷积...
2021显著目标检测(SOD)方向部分论文汇总
xiongxyowo的博客
07-02 2330
还是得抓紧时间看 Arxiv [链接] Salient Object Detection via Integrity Learning [链接] BiconNet: An Edge-preserved Connectivity-based Approach for Salient Object Detection [链接] Densely Nested Top-Down Flows for Salient Object Detection [链接] Densely Deformable Efficie.
Connectivity相关论文、代码合集
如果想成为中心，那么就到中心去吧。
03-04 1485
文章目录2018Non-local Neural Networks2019ConnNet: A Long-Range Relation-Aware Pixel-Connectivity Network for Salient Segmentation2021BiconNet: An Edge-preserved Connectivity-based Approach for Salient Object Detection 2018 Non-local Neural Networks code: https
每天一篇论文（323/365）EGNet: Edge Guidance Network for Salient Object Detection
流浪机器人的博客
02-08 701
EGNet: Edge Guidance Network for Salient Object Detection code 摘要 全卷积神经网络（FCNs）在突出目标检测任务中显示出其优越性。然而，大多数现有的基于FCNS的方法仍然遭受粗对象边界。 为了解决这一问题，本文重点研究了显著边缘信息和显著目标信息之间的互补性。因此，我们提出了一种用于显著目标检测的边缘引导网络（EGNet），该网络分三...
显著性检测之SE2Net: Siamese Edge-Enhancement Network for Salient Object Detection
画心
07-04 1967
SE2Net: Siamese Edge-Enhancement Network for Salient Object Detection 文章目录SE2Net: Siamese Edge-Enhancement Network for Salient Object Detection网络结构主要贡献迭代过程边缘引导实验细节消融实验和其他模型比较一点感想参考链接 原始文档：https://ww...
显著性目标检测模型：EGNet 总结
zz937211040的博客
09-22 6157
论文：EGNet: Edge Guidance Network for Salient Object Detection 一． 主要内容概括 本文提出了一种名为EGNet的网络结构来解决静态目标检测问题，它由边缘特征提取部分、显著性目标特征提取部分以及一对一的导向模块三部分构成，利用边缘特征帮助显著性目标特征定位目标，使目标的边界更加准确。在6个不同的数据集中与15种目前最好的方法进行对比，实验结...
ICCV2019：探索计算机视觉的深度学习前沿
"ICCV2019oral.pdf" 是一篇关于计算机视觉领域的精选文档，主要摘录了2019年国际计算机视觉大会(ICCV 2019)的口头报告文章，旨在为学习、参考和科研提供材料。文档涵盖了神经网络架构、多任务学习、神经架构搜索、...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值