摘要:同样是利用多级特征进行显著性物体检测,但这一片出的比较早,与2018年的cvpr的很多网络结构都有相似之处。作者提出的Amulet网络,首先将多级特征整合到多个分辨率下,然后再每一个分辨率下进一步特征整合进行显著性预测,再进行显著性融合得到最终的显著性图像。
直接看网路结构:
作者分为了四个部分,分别是蓝色的块,表示多级特征提取;黄色的块RFC(resolution-based feature combination),表示基于分辨率的特征整合,至于什么叫基于分辨率呢,可以理解为整合后特征的维度,后面会具体讲。橙色的块SMP( saliency map prediction )表示递归地进行显著图预测,在这过程中每一份预测图都和真图进行递归监督 DeepRecursiveSupervision(DRS);最后蓝色的BPR(Boundary preserved refinement)边框整合,进一步提升显著图的精确度,最后经过FSP( fusion saliency prediction )进行显著图融合。