S
千草幽幽
这个作者很懒,什么都没留下…
展开
-
EML-NET: An Expandable Multi-Layer NETwork for Saliency Prediction【论文笔记】
很久没看论文了,炼丹炼的我走火入魔,只能打出一波GG。先看这篇论文网络结构:思路很清晰,横线上半部分,称为编码阶段,单独训练已经预训练的DenseNet 和NasNet两个深度网络网络,输出为最后一层的输出,经过1x1卷积之后得到。横线下半部分,成为解码阶段,用之前训练的几个网络,利用多级特征,DenseNet有四层,NasNet有三层,总共七层,然后分别1x1得到七个feature...原创 2019-04-16 16:59:51 · 672 阅读 · 0 评论 -
【显著性物体检测】【ECCV2018】Reverse Attention for Salient Object Detection【论文笔记】
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。ECSSD上效果较好的模型F-measure与模型大小的比较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...原创 2019-04-01 20:11:01 · 4372 阅读 · 3 评论 -
【显著性物体检测】Amulet: Aggregating Multi-level Convolutional Features for Salient Object Detection【论文笔记】
论文链接摘要: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-b...原创 2019-03-22 17:13:38 · 2334 阅读 · 0 评论 -
【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...原创 2019-03-21 18:11:37 · 1206 阅读 · 0 评论 -
【视频显著性检测】Revisiting Video Saliency: A Large-scale Benchmark and a New Model【论文笔记】
论文链接该论文主要内容有两点:一、建立了包含场景更加丰富的数据集,二、提出了一个结合注意力机制的CNN-LSTM网络,作为视频显著性检测模型。数据集:已有的一些数据集,要么数量太少,要么场景单一,且annotation获取时是由任务驱使的不是自由观看的。【显著性检测的是free view时人眼的凝视点】。我们建立了一个场景更加丰富的数据集,共1k份视频,由17名观察者标注完成...原创 2019-03-13 13:23:56 · 1179 阅读 · 0 评论 -
【显著性物体检测】【CVPR2018】A Bi-directional Message Passing Model for Salient Object Detection【论文笔记】
论文链接摘要:本文提出了一个新的网络用于整合多级特征进行显著性物体检测。首先采用多尺度上下文感知特征提取模块(MCFEM)让多级特征图获取丰富的上下文信息。然后一个双向结构用于在多级特征之间传播信息,且有一个门函数来控制信息的通过率,使得信息传递之后的特征,即编码了语义信息有结合了空间细节。最后,预测的结果图进行有效的结合,以产生最终的显著图。MCFEM(Multi-scale Con...原创 2019-03-14 16:30:57 · 1883 阅读 · 1 评论 -
【视频显著性检测】Video Salient Object Detection via Fully Convolutional Networks【论文笔记】
论文链接这篇论文非常有意思,不仅仅在于显著性,而在于数据集的生成。本文主要内容:一、提出使用神经网络做动态视觉显著性检测二、提出一种人工合成视频数据的方法。★★★★★三、在数据集上state-of-the-art,且速度更快。网络结构网络结构如图,输入单张图片经过全卷积网络输出得到静态显著性检测图,然后与下一帧的帧对结合,输入动态的全卷积网络得到最终的显著性检测图...原创 2019-03-14 14:24:38 · 2065 阅读 · 0 评论 -
【显著性检测】PiCANet: Learning Pixel-wise Contextual Attention for Saliency Detection【论文笔记】
论文链接主要思想:如果能够识别相关的上下文区域并为每个像素构建信息性上下文特征,则可以做出更好的检测结果。我们的方案:提出了Pixel-wise Contextual Attention network (PiCANet),来学习每个像素的信息性上下文特征,然后将其嵌入到UNet中,PiCANet整合全局上下文和多尺度的局部上下文来提升显著性检测性能。模型结构:PiCANet的部分看得...原创 2019-03-14 13:17:33 · 5380 阅读 · 1 评论 -
【视频显著性检测】 Flow Guided Recurrent Neural Encoder for Video Salient Object Detection【CVPR2018】【论文阅读】
基于光流指导循环神经编码器的视频显著性检测摘要:归功于深度卷积神经网络,图像显着性检测已经取得了显著进展,然而,扩展最先进的图像显著性检测器到视频仍然具有挑战性。挑战主要来自物体运动、相机的运动以及视频中对比度的突然变化。在本文中,我们提出了光流引导的循环神经编码器(flow guided recurrent neural encoder FGRNE),一种准确的端到端学习的视频显著对象...原创 2019-03-01 15:07:14 · 2135 阅读 · 3 评论 -
Deep Reasoning with Multi-scale Context for Salient Object Detection【论文阅读】
摘要:为了精确检测显著性物体,大部分方法致力于设计复杂的网络结构去融合图像特征,而在显著性上仅仅使用全卷积网络进行推断。本文认为显著性推断单元的不足会限制了显著性检测的性能。为了验证此假设,我们首先利用全卷积网络提取多尺度特征,然后使用修改自Shuffle-Net的深度轻量级神经网络来快速精准地预测,简单的设计有优秀的检测效果的同时,使用更少的计算成本。在PASCAL-S,DUT-OMRON...原创 2019-02-27 18:02:34 · 574 阅读 · 0 评论 -
Contextual Encoder-Decoder Network for Visual Saliency Prediction【论文笔记】
详细浏览请看全文,= =快速浏览请看黑体摘要:要想完成具有挑战性的视觉显著性检测,应该提取多尺度的高级视觉特征,并利用上下文信息进行增强。而现有方法旨在揭示显著性凝视图,而没有结合这一方法 。因此我们提出了基于卷积神经网络的方法,网络结构呈现为编码解码两部分,同时使用空洞卷积捕捉不同尺度的特征,并将结构与全局场景信息相结合,以准确预测视觉显著性。我们的模型在两个公开数据集上取得了有竞争力的结...原创 2019-04-26 17:01:39 · 1187 阅读 · 0 评论