【显著性物体检测】【CVPR2018】Progressive Attention Guided Recurrent Network for Salient Object Detection【论文笔记】

论文连接

这篇cvpr感觉比起同年的其他几篇显著性物体检测的，各有各的不同，使用的方法，看问题的角度也不一样，但都实现了比较不错的检测效果。给我的启示就是：目前的方法虽然效果很强，但一定有很多更强的方法等待去发现，希望自己不断积累，早点做出点东西。虽然也有人做了这篇文章的论文笔记，但是还是自己做一份，说说我的看法与感受。

摘要

显著性物体检测现在主流都是在backbone的基础上，充分利用提取的特征进行显著性检测。本文也一样，主要贡献分为两点：一、引入注意力机制，具体表现为对channel的注意力筛选以及特征图上的空间特征筛选机制，从而实现标题中的逐步注意力引导。二、同样是最近比较流行的将高层特征中的语义信息引入低层特征对其进行指导，作者实现的方式为二重循环卷积。

首先看总体的网络架构：