论文《Is Depth Really Necessary for Salient Object Detection?》介绍了DASNet网络，该网络在训练时利用Depth图像，但在测试时仅依赖RGB图像，实现了出色的效果。网络结构包括SOD Module、Depth Awareness Module和Error-weighted Correction三部分，通过ResNet50作为backbone，使用特定损失函数进行优化。尽管在训练中使用了Depth图像，但标题暗示可能不完全依赖Depth，这引发了关于RGB-D模型的新讨论。
Figure 1
论文出处：
ACM ICM October 2020
特点：
论文提出的DASNet网络，训练时使用Depth图像，test时只使用RGB图像，达到了很好的效果，也就是标题的由来。
但正如前面所说的，在训练的时候是要使用Depth图像的，而非完全于Depth图像无关，所以这个标题感觉有些取巧。
一般而言，RGB-D SOD都是分两个子网络来处理RGB图像和Depth图像，而这篇论文同样用到了Depth图像，但不同于一般的RGB-D模型。
DASNet网络分为三个部分：SOD Module、Depth Awareness Module、Error-weighted Correction。其中SOD Module是预测SOD图像的，DAM模块则是与SOD同结构的
1377
2441
2553
722
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
