論文の概要: Cross-layer Feature Pyramid Network for Salient Object Detection
- arxiv url: http://arxiv.org/abs/2002.10864v1
- Date: Tue, 25 Feb 2020 14:06:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 22:03:12.098740
- Title: Cross-layer Feature Pyramid Network for Salient Object Detection
- Title(参考訳): サルエント物体検出のためのクロスレイヤー特徴ピラミッドネットワーク
- Authors: Zun Li, Congyan Lang, Junhao Liew, Qibin Hou, Yidong Li, Jiashi Feng
- Abstract要約: 本稿では,有能な物体検出における進行的融合を改善するために,新しいクロス層特徴ピラミッドネットワークを提案する。
レイヤごとの分散機能は、他のすべてのレイヤからセマンティクスと健全な詳細の両方を同時に所有し、重要な情報の損失を減らします。
- 参考スコア(独自算出の注目度): 102.20031050972429
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Feature pyramid network (FPN) based models, which fuse the semantics and
salient details in a progressive manner, have been proven highly effective in
salient object detection. However, it is observed that these models often
generate saliency maps with incomplete object structures or unclear object
boundaries, due to the \emph{indirect} information propagation among distant
layers that makes such fusion structure less effective. In this work, we
propose a novel Cross-layer Feature Pyramid Network (CFPN), in which direct
cross-layer communication is enabled to improve the progressive fusion in
salient object detection. Specifically, the proposed network first aggregates
multi-scale features from different layers into feature maps that have access
to both the high- and low-level information. Then, it distributes the
aggregated features to all the involved layers to gain access to richer
context. In this way, the distributed features per layer own both semantics and
salient details from all other layers simultaneously, and suffer reduced loss
of important information. Extensive experimental results over six widely used
salient object detection benchmarks and with three popular backbones clearly
demonstrate that CFPN can accurately locate fairly complete salient regions and
effectively segment the object boundaries.
- Abstract(参考訳): 特徴ピラミッドネットワーク(FPN)に基づくモデルでは、意味論と有能な詳細を段階的に融合させ、有能な物体検出に極めて効果的であることが証明されている。
しかし,これらのモデルでは,遠方の層間を伝播する<emph{indirect}情報によって,不完全な物体構造や不明瞭な物体境界を持つ塩分マップが生成されることがしばしば観測されている。
本研究では, 直接クロス層通信を可能とし, 有能な物体検出における進行融合を改善する新しいクロス層特徴ピラミッドネットワーク(CFPN)を提案する。
特に,提案するネットワークは,まず異なるレイヤから高レベル情報と低レベル情報の両方にアクセス可能な特徴マップに,多層的特徴を集約する。
そして、集約された機能をすべてのレイヤに分散し、よりリッチなコンテキストへのアクセスを得る。
このように、レイヤごとの分散機能は、他のすべてのレイヤからセマンティクスと健全な詳細の両方を同時に所有し、重要な情報の損失を減少させます。
6つの広く使われているsalient object detectionベンチマークと3つの人気のあるbackboneによる広範囲な実験の結果は、cfpnがかなり完全なsalient regionを正確に特定し、オブジェクト境界を効果的に分割できることを明確に示している。
関連論文リスト
- Hierarchical Graph Interaction Transformer with Dynamic Token Clustering for Camouflaged Object Detection [57.883265488038134]
本稿では,HGINetと呼ばれる階層的なグラフ相互作用ネットワークを提案する。
このネットワークは、階層的トークン化機能間の効果的なグラフ相互作用を通じて、知覚不能なオブジェクトを発見することができる。
本実験は,既存の最先端手法と比較して,HGINetの優れた性能を示すものである。
論文 参考訳(メタデータ) (2024-08-27T12:53:25Z) - PVAFN: Point-Voxel Attention Fusion Network with Multi-Pooling Enhancing for 3D Object Detection [59.355022416218624]
点とボクセルの表現の統合は、LiDARベースの3Dオブジェクト検出においてより一般的になりつつある。
PVAFN(Point-Voxel Attention Fusion Network)と呼ばれる新しい2段3次元物体検出器を提案する。
PVAFNはマルチプール戦略を使用して、マルチスケールとリージョン固有の情報を効果的に統合する。
論文 参考訳(メタデータ) (2024-08-26T19:43:01Z) - Cross-Layer Feature Pyramid Transformer for Small Object Detection in Aerial Images [5.652171904017473]
空中画像における物体検出は、通常、物体のサイズが小さいため、常に困難な作業であった。
現在の検出器の多くは新しい検出フレームワークを優先しており、しばしば特徴ピラミッドネットワークのような基本的なコンポーネントの研究を見落としている。
空中画像における小物体検出に特化して設計された新しいアップサンプラーフリー特徴ピラミッドネットワークであるCFPT(Cross-Layer Feature Pyramid Transformer)を紹介する。
論文 参考訳(メタデータ) (2024-07-29T04:40:18Z) - FIPGNet:Pyramid grafting network with feature interaction strategies [0.0]
本稿では,特徴相互作用戦略を持つピラミッドグラフトネットワークである新しいサリエンスオブジェクト検出フレームワーク (FIPGNet) を提案する。
具体的には,空間エージェントのクロスアテンションを革新的に導入する,注目機構に基づく機能インタラクション戦略(FIA)を提案する。
提案手法は,4つの指標に対して,現在の12個の有意な物体検出法より優れていた。
論文 参考訳(メタデータ) (2024-07-04T17:53:37Z) - M$^3$Net: Multilevel, Mixed and Multistage Attention Network for Salient
Object Detection [22.60675416709486]
M$3$Netは、Salient Object Detectionのためのアテンションネットワークである。
マルチレベル特徴間の相互作用を実現するためのクロスアテンションアプローチ。
Mixed Attention Blockは、グローバルレベルとローカルレベルの両方でコンテキストをモデリングすることを目的としている。
集約された特徴をステージごとに最適化するためのマルチレベル監視戦略。
論文 参考訳(メタデータ) (2023-09-15T12:46:14Z) - De-coupling and De-positioning Dense Self-supervised Learning [65.56679416475943]
Dense Self-Supervised Learning (SSL)メソッドは、複数のオブジェクトでイメージを処理する際に、画像レベルの特徴表現を使用する際の制限に対処する。
本研究は, 層深度やゼロパディングに伴う受容野の増大によって生じる, 結合と位置バイアスに悩まされていることを示す。
我々はCOCOにおける本手法の利点と、オブジェクト分類、セマンティックセグメンテーション、オブジェクト検出のための新しい挑戦的ベンチマークであるOpenImage-MINIについて示す。
論文 参考訳(メタデータ) (2023-03-29T18:07:25Z) - Feature Aggregation and Propagation Network for Camouflaged Object
Detection [42.33180748293329]
カモフラージュされたオブジェクト検出(COD)は、環境に埋め込まれたカモフラージュされたオブジェクトを検出し、分離することを目的としている。
いくつかのCOD法が開発されているが, 前景オブジェクトと背景環境との固有の類似性により, 依然として不満足な性能に悩まされている。
カモフラージュされた物体検出のための新しい特徴集約・伝播ネットワーク(FAP-Net)を提案する。
論文 参考訳(メタデータ) (2022-12-02T05:54:28Z) - Saliency Detection via Global Context Enhanced Feature Fusion and Edge
Weighted Loss [6.112591965159383]
本研究では,コンテキスト融合デコーダネットワーク(CFDN)と近縁重み付き損失(NEWLoss)関数を提案する。
CFDNは、グローバルコンテキスト情報を統合し、不要な空間情報の影響を抑えることにより、正確な唾液マップを作成する。
NewLossは、オブジェクト境界上の重み写像を生成することによって、追加モジュールなしで曖昧な境界の学習を加速する。
論文 参考訳(メタデータ) (2021-10-13T08:04:55Z) - Global Context-Aware Progressive Aggregation Network for Salient Object
Detection [117.943116761278]
我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。
提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-03-02T04:26:10Z) - Depthwise Non-local Module for Fast Salient Object Detection Using a
Single Thread [136.2224792151324]
本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。
提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
論文 参考訳(メタデータ) (2020-01-22T15:23:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。