简介:在不怎么增加计算量的前提下,采用从粗到精的思想,由高级特征到低级特征,补全显著性检测的轮廓【最近很多都是基于这个思想】。模型的速度与效果都占优。具体关注,是怎么实现特征的多级利用的。
一开始作者给出这个图,突出本文模型效果好,F-measure高,而且参数量少,运行速度块。
【DSS:Deeply supervised salient object detection with short connections. 程明明教授的模型F-measure这么高= =怪不得Amulet论文里没拿来比较,不过DSS这篇文章确实厉害,2017年的CVPR,2019年的TPAMI】
网络结构如上图:首先backbone依然是VGG-16,去掉全连接层。
对于上图右上角的GlobalSaliency,对conv5进行pool之后ÿ