BASNet:Boundary-aware salient object detection

CVPR 2019开源论文 | BASNet:关注边界的显著性检测本文提出一种基于深度监督学习的前景提取构架BASNet,其在边缘感知上有优异的表现。https://mp.weixin.qq.com/s/fjq4UyDMN9Z9lvNZ7aNLWABASNet: Boundary-Aware Salient Object Detection论文学习_basnet: boundary-aware salient object detection,-CSDN博客文章浏览阅读7.9k次,点赞14次,收藏70次。Abstract深度卷积神经网络在显著目标检测上已有应用,并取得了state of the art的性能。但是之前的绝大多数工作都关注在区域的准确率上,而不是边界的质量上。这篇论文提出了一个预测-优化的框架,BASNet,以及一个新的针对边界感知显著目标检测的混合损失。特别地,该框架由一个密集监督的encoder-decoder网络和一个残差优化模块构成,分别负责显著预测和特征图(salienc..._basnet: boundary-aware salient object detection,https://blog.csdn.net/calvinpaean/article/details/1010362491.introduction

将全卷积应用到显著性检测,显著性检测的2个挑战,1.显著性检测主要是由整张图像的全局的明暗对比度定义而来,而不是局部或像素点的特征;2.交叉熵损失函数,在判别边界像素点时,置信度都比较低,导致边界模糊。

1.为了捕获全局和局部的信息,提出了一个新的预测-优化网络,将unet的深度监督的encoder-decoder网络和一个新的残差模块结合,encoder-decoder将输入图像转换为一个概率图,而优化模块则通过学习粗糙的特征图和gt之间的残差来优化预测的输出.

2.为了取得高置信度特征图以及清晰的边界,提出了混合损失函数,将二元交叉熵损失,ssim和iou损失结合。

2.basnet

encoder-decoder模块,每个decoder的最后一层都由gt监督,优化模块通常被设计为一个残差模块,通过学习特征图和gt之间的残差Sresidual来优化预测到的粗略的特征图Scoarse,coarse图包括两个部分,1.模糊和噪点的边界;2.不均匀预测的区域概率。

三个损失函数:

相关推荐
星期天要睡觉6 小时前
计算机视觉(opencv)——基于 OpenCV DNN 的实时人脸检测 + 年龄与性别识别
opencv·计算机视觉·dnn
算法打盹中11 小时前
计算机视觉:基于 YOLO 的轻量级目标检测与自定义目标跟踪原理与代码框架实现
图像处理·yolo·目标检测·计算机视觉·目标跟踪
sali-tec12 小时前
C# 基于halcon的视觉工作流-章42-手动识别文本
开发语言·人工智能·算法·计算机视觉·c#·ocr
AndrewHZ17 小时前
【图像处理基石】暗光增强算法入门:从原理到实战(Python+OpenCV)
图像处理·python·opencv·算法·计算机视觉·cv·暗光增强
七元权18 小时前
论文阅读-FoundationStereo
论文阅读·深度学习·计算机视觉·零样本·基础模型·双目深度估计
智驱力人工智能18 小时前
使用手机检测的智能视觉分析技术与应用 加油站使用手机 玩手机检测
深度学习·算法·目标检测·智能手机·视觉检测·边缘计算
知南x20 小时前
STM32MP157目标检测环境搭建 (3) NCNN环境安装
stm32·嵌入式硬件·目标检测
研梦非凡21 小时前
ShapeLLM: 用于具身交互的全面3D物体理解
人工智能·深度学习·计算机视觉·3d·架构·数据分析
CoovallyAIHub21 小时前
YOLO26学界首评:四大革新点究竟有多强?
深度学习·算法·计算机视觉
2401_841495641 天前
【计算机视觉】霍夫变换函数的参数调整
人工智能·python·算法·计算机视觉·霍夫变换·直线检测·调整策略