論文の概要: Recursive Multi-model Complementary Deep Fusion forRobust Salient Object Detection via Parallel Sub Networks

• arxiv url: http://arxiv.org/abs/2008.04158v1
• Date: Fri, 7 Aug 2020 10:39:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 00:54:13.415643
• Title: Recursive Multi-model Complementary Deep Fusion forRobust Salient Object Detection via Parallel Sub Networks
• Title（参考訳）: 並列サブネットワークによる再帰的多モデル補完型ディープフュージョンフォロバストサルエント物体検出
• Authors: Zhenyu Wu, Shuai Li, Chenglizhao Chen, Aimin Hao, Hong Qin
• Abstract要約: 完全畳み込みネットワークは、正体検出(SOD)分野において優れた性能を示している。 本稿では,全く異なるネットワークアーキテクチャを持つ並列サブネットワークからなる,より広いネットワークアーキテクチャを提案する。 いくつかの有名なベンチマークの実験では、提案されたより広範なフレームワークの優れた性能、優れた一般化、強力な学習能力が明らかに示されている。
• 参考スコア（独自算出の注目度）: 62.26677215668959
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fully convolutional networks have shown outstanding performance in the salient object detection (SOD) field. The state-of-the-art (SOTA) methods have a tendency to become deeper and more complex, which easily homogenize their learned deep features, resulting in a clear performance bottleneck. In sharp contrast to the conventional ``deeper'' schemes, this paper proposes a ``wider'' network architecture which consists of parallel sub networks with totally different network architectures. In this way, those deep features obtained via these two sub networks will exhibit large diversity, which will have large potential to be able to complement with each other. However, a large diversity may easily lead to the feature conflictions, thus we use the dense short-connections to enable a recursively interaction between the parallel sub networks, pursuing an optimal complementary status between multi-model deep features. Finally, all these complementary multi-model deep features will be selectively fused to make high-performance salient object detections. Extensive experiments on several famous benchmarks clearly demonstrate the superior performance, good generalization, and powerful learning ability of the proposed wider framework.
• Abstract（参考訳）: 完全畳み込みネットワークはsod(salient object detection)の分野で優れた性能を示している。 state-of-the-art(sota)メソッドは、より深く複雑になる傾向があり、学習した深い機能を簡単に均質化し、パフォーマンスのボトルネックが明らかになる。 本稿では,従来の ‘deeper'' 方式とは対照的に,全く異なるネットワークアーキテクチャを持つ並列サブネットワークからなる ``wider'' ネットワークアーキテクチャを提案する。 このようにして、これらの2つのサブネットワークから得られる深い機能は、大きな多様性を示し、互いに補完できる大きな可能性を秘めている。 しかし、大きな多様性は特徴の衝突に容易につながり得るため、高密度の短絡を用いて並列サブネットワーク間の再帰的な相互作用を可能にし、マルチモデル深層特徴間の最適な相補的ステータスを追求する。 最後に、これらの補完的マルチモデル深層機能は選択的に融合され、高性能なオブジェクト検出を行う。 いくつかの有名なベンチマークに関する大規模な実験は、提案されたより広範なフレームワークの優れた性能、優れた一般化、強力な学習能力を示している。

関連論文リスト

• GSSF: Generalized Structural Sparse Function for Deep Cross-modal Metric Learning [51.677086019209554]
  ペアワイド類似性学習のためのモダリティ間の強力な関係を捕捉する汎用構造スパースを提案する。 距離メートル法は、対角線とブロック対角線の2つの形式を微妙にカプセル化する。 クロスモーダルと2つの余分なユニモーダル検索タスクの実験は、その優位性と柔軟性を検証した。
  論文  参考訳（メタデータ） (2024-10-20T03:45:50Z)
• Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
  マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。 マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。 提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2023-10-06T02:35:35Z)
• HiDAnet: RGB-D Salient Object Detection via Hierarchical Depth Awareness [2.341385717236931]
  本稿では,RGB-Dサリエンシ検出のための階層的深度認識ネットワーク(HiDAnet)を提案する。 我々のモチベーションは、幾何学的先行の多粒性特性がニューラルネットワーク階層とよく相関しているという観察から来ています。 当社のHiDAnetは最先端の手法よりも大きなマージンで良好に動作します。
  論文  参考訳（メタデータ） (2023-01-18T10:00:59Z)
• PSNet: Parallel Symmetric Network for Video Salient Object Detection [85.94443548452729]
  我々は,PSNet という名前のアップ・ダウン・パラレル対称性を持つ VSOD ネットワークを提案する。 2つの並列ブランチが、ビデオの完全サリエンシ復号化を実現するために設定されている。
  論文  参考訳（メタデータ） (2022-10-12T04:11:48Z)
• M2RNet: Multi-modal and Multi-scale Refined Network for RGB-D Salient Object Detection [1.002712867721496]
  RGB-Dに基づく手法は、多モード特徴融合の不整合性とマルチスケール特徴集合の不整合に悩まされることが多い。 マルチモーダル・マルチスケール改良ネットワーク(M2RNet)を提案する。 このネットワークには3つの重要なコンポーネントが紹介されている。
  論文  参考訳（メタデータ） (2021-09-16T12:15:40Z)
• Multi-scale Matching Networks for Semantic Correspondence [38.904735120815346]
  提案手法は,高い計算効率を有する3つの一般的なベンチマークに対して,最先端の性能を実現する。 我々のマルチスケールマッチングネットワークは、学習可能なパラメータをほとんど必要とせずに、エンドツーエンドで簡単に訓練できる。
  論文  参考訳（メタデータ） (2021-07-31T10:57:24Z)
• Centralized Information Interaction for Salient Object Detection [68.8587064889475]
  U字型構造は、多スケールの機能を効率的に組み合わせるサリエント物体検出に長けている。 本稿では,これらの接続を集中化することにより,相互に相互に情報交換を行うことができることを示す。 本手法は, ボトムアップ経路とトップダウン経路の接続を置換することにより, 既存のU字型サルエント物体検出手法と協調することができる。
  論文  参考訳（メタデータ） (2020-12-21T12:42:06Z)
• Sparse Coding Driven Deep Decision Tree Ensembles for Nuclear Segmentation in Digital Pathology Images [15.236873250912062]
  デジタル病理画像セグメンテーションタスクにおいて、ディープニューラルネットワークと高い競争力を持つ、容易に訓練されながら強力な表現学習手法を提案する。 ScD2TEと略すこの手法はスパースコーディング駆動の深層決定木アンサンブルと呼ばれ、表現学習の新しい視点を提供する。
  論文  参考訳（メタデータ） (2020-08-13T02:59:31Z)
• Feature-Dependent Cross-Connections in Multi-Path Neural Networks [7.230526683545722]
  マルチパスネットワークは冗長な特徴を学習する傾向がある。 このような経路に対して,入ってくる特徴写像をインテリジェントに割り当てる機構を導入する。 従来手法や最先端手法と比較して,画像認識精度が向上した。
  論文  参考訳（メタデータ） (2020-06-24T17:38:03Z)
• Cross-layer Feature Pyramid Network for Salient Object Detection [102.20031050972429]
  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。
  論文  参考訳（メタデータ） (2020-02-25T14:06:27Z)

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。