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
EGNet: Edge Guidance Network for Salient Object Detection 论文及代码解读
weixin_45908408的博客
09-23 871
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
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.
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
06-10 232
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...
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...
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...
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...
深度卷积神经网络的显著性检测
02-22
显著性检测问题是近年来的研究热点之一，针对许多传统方法都存在着特征学习不足和鲁棒检测效果不好等问题，提出一种新的基于深度卷积神经网络的显著性检测模型。方法 首先，利用超像素的方法聚类相似特征的像素点，仿人脑视皮层细胞提取目标边缘，得到区域和边缘特征。然后，通过深度卷积神经网络学习图像的区域与边缘特征，获取相应的目标检测显著度置信图。最后，将深度卷积神经网络输出的置信度融入到条件随机场，求取能量最小化，实现显著性与非显著性判别，完成显著性检测任务。结果 在两个常用的视觉检测数据库上进行实验，本文算法的检测精度与当前最好的方法相比，在 MSAＲ 数据库上检测精度相对提升大约 1. 5%，在Berkeley 数据库上提升效果更加明显，达到了 5%。此外，无论是自然场景还是人工建筑场景、大目标与小目标，检测的效果都是最好的。结论 本文融合多特征的深度学习方法与单一浅层人工特征的方法相比更有优势，它避免了手工标定特征所带来的不确定性，具有更好的鲁棒性与普适性，从主观视觉愉悦度和客观检测准确度两方面说明了算法的有效性。
EGNet: Edge Guidance Network for Salient Object Detection阅读笔记
Malidong的博客
04-17 713
ICCV 2019 Jia-Xing Zhao, Jiang-Jiang Liu, Deng-Ping Fan, Yang Cao, Jufeng Yang, Ming-Ming Cheng https://openaccess.thecvf.com/content_ICCV_2019/html/Zhao_EGNet_Edge_Guidance_Network_for_Salient_Object_Detection_ICCV_2019_paper.html 一、简介 FCN存在显著对象检测目标边界模糊的问
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...
[论文阅读] BCNet: Bidirectional collaboration network for edge-guided salient object detection
xiongxyowo的博客
07-14 987
论文地址：https://doi.org/10.1016/j.neucom.2021.01.034 代码地址： 发表于：Neurocomputing 2021 I. Intro 这个网络是用来进行显著目标检测与伪装目标检测的，并且在这两个任务上均达到了SOTA 将Joint Training应用到了两个近乎相反的任务上 Network Architecture 嘤嘤嘤 Consistency Saliency Maximization 嘤嘤嘤 Bounded Feature Fusion 嘤嘤嘤 Lo
显著性检测-综述
xys430381_1的专栏
12-25 1033
Salient Object Detection: A Survey 【显著性目标检测】CVPR2018 显著性检测领域论文整理解读(Salient Object Detection) 2019-显著性检测之BASNet: Boundary Aware Salient Object Detection 深度无监督显著性检测：多个Weak Label的伪监督 ...
算法学习之显著性检测
qq_26460507的博客
02-23 1573
最近看了些图像和网格的显著性检测(Saliency Detection)的文章, 并且实现了其中的一些算法. 关于显著性检测的文章虽然很多, 但是大致可以分为两类. 一类是从局部的特征描述出发, 计算它和背景平均值的差异, 如果差异大, 或者出现的频率小, 则说明它比较显著. 另一类从上层的认知信息出发, 比如人脸识别, 广一点的就是特定物体的识别. 还有一类比较特别, 用了eye track
显著性检测简述、论文合集和相关代码
如果想成为中心，那么就到中心去吧。
01-27 3407
显著性目标检测 显著性目标检测旨在从输入图像上识别出最引人注目的对象，简单来说，这个研究方向希望能够识别出图像的主体。 以深度学习方法进行显著性目标检测 虽然手制特征允许传统显著性目标检测方法实时进行检测，但这些方法的缺点限制了它们在复杂场景下进行显著性目标检测的能力。与此同时，卷积神经网络在不同图像任务中的广泛应用（如目标检测、语义分割、边缘检测等）为显著性目标检测提供了新的思路，并在一些工作中展现出令人惊喜的效果提升。由于其多级和多尺度特征，CNN能够在不使用任何先验知识的情况下准确地捕获最显着的区域。
【ICCV2019 论文列表】出炉论文持续更新
TomRen
09-25 4220
ICCV2019 放出论文持续更新
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、...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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