显著性检测
北屿白
刚入门的小白,分享现阶段所学知识,作为记录所用,所分享或转载的内容测试运行过。
展开
-
CVPR2020 U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection代码解读
CVPR2020 U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection代码解读文章亮点我们的U2-网的体系结构是一个两级嵌套的U-结构。该设计具有以下优点:(1)在所提出的ReSidual U-blocks (RSU)中混合了不同大小的感受场,能够从不同的尺度捕捉更多的上下文信息;(2)在不显著增加计算代价的情况下,增加了整个体系结构的深度,因为这些RSU块使用了合并操作。此体系结构使我们能够从头开始训练深度网原创 2020-07-10 10:42:32 · 2794 阅读 · 1 评论 -
CVPR2019文章解读 Pyramid Feature Attention Network for Saliency detection 用于显著性检测的金字塔特征注意网络
Pyramid Feature Attention Network for Saliency detection摘要显著性检测是计算机视觉领域的基本挑战之一,怎么有效去提取特征非常关键,目前的一些方法主要都是采用多尺度卷积提取特征的方法,然而有些特征对于显著性检测是没有作用的,有的会引起干扰。这篇文章旨在解决这一问题,提出一种金字塔特征注意网络,重点关注有效的高层上下文特征和低层次的空间结构特征。首先作者设计了上下文感知金字塔特征提取模块(CPFE)用于多尺度高层次特征映射来获得丰富的上下文特征,其次原创 2020-07-08 15:51:23 · 7400 阅读 · 2 评论 -
U_2net网络代码训练问题记录
1训练时注意加载数据文件地址2.训练代码中loss[0]应该改为loss3.训练过程中,出现ValueError: some of the strides of a given numpy array are negative. This is currently not supported错误应该将代码inputs = inputs.type(torch.FloatTensor) labels = labels.type(torch.FloatTensor)改为inputs = np.ascont原创 2020-06-23 19:59:27 · 947 阅读 · 4 评论 -
CVPR2020 U2-Net:嵌套U-结构的更深层次的显著目标检测
U2-Net:嵌套U-结构的更深层次的显著目标检测摘要在本文中,我们设计了一个简单而强大的深层网络结构U2-Net,用于显著目标检测(SOD)。我们的U2-网的体系结构是一个两级嵌套的U-结构。该设计具有以下优点:(1)在所提出的ReSidual U-blocks (RSU)中混合了不同大小的感受场,能够从不同的尺度捕捉更多的上下文信息;(2)在不显著增加计算代价的情况下,增加了整个体系结构的深度,因为这些RSU块使用了合并操作。此体系结构使我们能够从头开始训练深度网络,而无需使用图像分类任务中的主干。原创 2020-06-23 19:58:34 · 8848 阅读 · 3 评论 -
【综述论文】Salient Object Detection: A Survey翻译整理
显著目标检测:综述摘要自然场景中显著物体的检测和分割,通常被称为显著物体检测,已经引起了计算机视觉领域的广泛关注。虽然已经提出了许多模型,并出现了一些应用,但对所取得的成就和存在的问题还缺乏深入的了解。我们的目标是全面回顾显著目标检测的最新进展,并将该领域与其他密切相关的领域,如通用场景分割、目标建议生成和注视预测的显著性进行比较。包括228种出版物,我们调查了i)根源、关键概念和任务,ii)核心技术和主要建模趋势,以及iii)显著对象检测中的数据集和评估度量。我们还讨论了模型性能中的评价指标和数据集偏原创 2020-06-08 20:40:10 · 6934 阅读 · 2 评论 -
BASNET:边界感知的显著目标检测
BASNET:边界感知的显著目标检测摘要采用深卷积神经网络进行显著目标检测,取得了较好的效果。然而,以前的工作大多侧重于区域精度,而不是边界质量。在本文中,我们提出了一种预测-细化体系结构Basnet和一种新的边界感知显著目标检测的混合损失。具体而言,该体系结构由密集监督编解码器网络和残差细化模块组成,分别负责显著性预测和显著性图细化。混合损失通过融合二进制交叉熵(BCE)、结构相似性(SSIM)和交集联合(IOU)损失,引导网络在像素、面片和地图三个层次中学习输入图像和地面真实之间的转换。该预测-细化原创 2020-06-08 18:44:07 · 4258 阅读 · 0 评论 -
EGNet:用于显著目标检测的边缘制导网络
EGNet:用于显著目标检测的边缘制导网络#摘要全卷积神经网络(FCNs)在显著目标检测任务中已显示出其优越性。然而,大多数现有的基于FCNs的方法仍然存在对象边界粗糙的问题。为了解决这一问题,本文将重点放在显著边缘信息和显著目标信息之间的互补性上。因此,我们提出了一个用于显著目标检测的边缘引导网络(EGNet),该网络由三个步骤组成,在一个网络中同时对这两种互补信息进行建模。在第一步中,我们...原创 2020-04-24 17:20:47 · 4746 阅读 · 0 评论 -
显著性检测 LC代码python
https://asdfv1929.github.io/2018/05/11/saliency-LC/原创 2020-05-16 15:30:41 · 618 阅读 · 0 评论 -
BASNet代码实现
BASNet代码实现按照GitHub一步步往下执行,代码地址:GitHub需要更改的地方注意需添加if name == ‘main’:和相应文件地址的格式,否则容易出现问题。原创 2020-05-16 15:16:29 · 1586 阅读 · 9 评论 -
EGNet代码测试
EGNet代码测试作者源代码根据作者GitHub的步骤,依次往下进行。需要更改的地方:12class ImageDataTest(data.Dataset): def __init__(self, test_mode=1, sal_mode='e'): if test_mode == 0: # self.image_root = '/home/liuj/dataset/saliency_test/ECSSD/Imgs/' #原创 2020-05-15 22:31:35 · 743 阅读 · 3 评论 -
【综述论文】Salient Object Detection in the Deep Learning Era: An In-Depth Survey翻译整理
图像显著目标检测(SOD)作为计算机视觉中的一个重要问题,近年来引起了越来越多的研究关注。不出所料,SOD的最新进展主要是由基于深度学习的解决方案(称为SOD)主导的,并在数百篇发表的论文中得到了反映。为了促进对SOD的深入理解,在本文中,我们提供了一个全面的综述,涵盖了从算法分类学到尚未解决的开放问题的各个方面。特别地,我们首先从网络...原创 2020-04-25 16:25:48 · 10670 阅读 · 0 评论 -
总结2018-2019显著性检测论文
总结2018-2019显著性检测论文2018(CVPR)Progressive Attention Guided Recurrent Network for Salient Object DetectionLearning to Promote Saliency DetectorsSalient Object Detection Driven by Fixation Prediction...原创 2020-04-25 09:35:46 · 762 阅读 · 0 评论