論文の概要: A Mutual Learning Method for Salient Object Detection with intertwined Multi-Supervision--Revised

• arxiv url: http://arxiv.org/abs/2509.21363v1
• Date: Sun, 21 Sep 2025 22:30:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:53.871921
• Title: A Mutual Learning Method for Salient Object Detection with intertwined Multi-Supervision--Revised
• Title（参考訳）: 相互接続型マルチスーパービジョンによる有能物体検出のための相互学習法-
• Authors: Runmin Wu, Mengyang Feng, Wenlong Guan, Dong Wang, Huchuan Lu, Errui Ding,
• Abstract要約: 本稿では,有意な物体検出だけでなく,前景の輪郭検出やエッジ検出から,その監視を活用して,有意性検出ネットワークを訓練することを提案する。 まず,一様ハイライトの有向マップを生成するために,有向物体検出タスクと前景輪郭検出タスクを相互に活用する。 第2に、前景輪郭とエッジ検出タスクが同時にガイドされ、それによって正確な前景輪郭予測が行われ、エッジ予測のための局所ノイズが低減される。
• 参考スコア（独自算出の注目度）: 67.61878540090116
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Though deep learning techniques have made great progress in salient object detection recently, the predicted saliency maps still suffer from incomplete predictions due to the internal complexity of objects and inaccurate boundaries caused by strides in convolution and pooling operations. To alleviate these issues, we propose to train saliency detection networks by exploiting the supervision from not only salient object detection, but also foreground contour detection and edge detection. First, we leverage salient object detection and foreground contour detection tasks in an intertwined manner to generate saliency maps with uniform highlight. Second, the foreground contour and edge detection tasks guide each other simultaneously, thereby leading to precise foreground contour prediction and reducing the local noises for edge prediction. In addition, we develop a novel mutual learning module (MLM) which serves as the building block of our method. Each MLM consists of multiple network branches trained in a mutual learning manner, which improves the performance by a large margin. Extensive experiments on seven challenging datasets demonstrate that the proposed method has delivered state-of-the-art results in both salient object detection and edge detection.
• Abstract（参考訳）: 深層学習技術は、最近、有能な物体検出に大きな進歩を遂げているが、予測されたサリエンシマップは、オブジェクトの内部の複雑さと、畳み込みやプール操作の進行による不正確な境界のために、いまだに不完全な予測に悩まされている。 これらの問題を緩和するために,本研究では,有能な物体検出だけでなく,前景の輪郭検出やエッジ検出から,監視を活用して,有能な検出ネットワークを訓練することを提案する。 まず,一様ハイライトの有向マップを生成するために,有向物体検出タスクと前景輪郭検出タスクを相互に活用する。 第2に、前景輪郭とエッジ検出タスクが同時にガイドされ、それによって正確な前景輪郭予測が行われ、エッジ予測のための局所ノイズが低減される。 さらに,本手法のビルディングブロックとして機能する新しい相互学習モジュール(MLM)を開発した。 それぞれのMLMは、相互学習方法で訓練された複数のネットワークブランチで構成されており、大きなマージンで性能を向上させる。 7つの挑戦的データセットに対する大規模な実験により、提案手法は、健全な物体検出とエッジ検出の両方に最先端の結果をもたらすことを示した。

関連論文リスト

• Beyond Artificial Misalignment: Detecting and Grounding Semantic-Coordinated Multimodal Manipulations [56.816929931908824]
  マルチモーダルデータにおける意味的協調操作の検出の先駆者となった。 本稿では,RamDG(Retrieval-Augmented Manipulation Detection and Grounding)フレームワークを提案する。 我々のフレームワークは既存の手法よりも優れており、SAMMの精度は最先端の手法に比べて2.06%高い。
  論文  参考訳（メタデータ） (2025-09-16T04:18:48Z)
• Multiple Object Tracking based on Occlusion-Aware Embedding Consistency Learning [46.726678333518066]
  Occlusion Prediction Module (OPM)とOcclusion-Aware Association Module (OAAM) OPMは、真の検出毎に閉塞情報を予測し、トラックの視覚埋め込みの一貫性学習のための有効なサンプルの選択を容易にする。 OAAMは各トラックに対して2つの別々の埋め込みを生成し、非閉塞検出と非閉塞検出の両方で一貫性を保証する。
  論文  参考訳（メタデータ） (2023-11-05T06:08:58Z)
• Texture-guided Saliency Distilling for Unsupervised Salient Object Detection [67.10779270290305]
  本研究では, 簡便かつ高精度な塩分濃度の知識を抽出するUSOD法を提案する。 提案手法は,RGB,RGB-D,RGB-T,ビデオSODベンチマーク上での最先端USOD性能を実現する。
  論文  参考訳（メタデータ） (2022-07-13T02:01:07Z)
• End-to-End Instance Edge Detection [29.650295133113183]
  エッジ検出は長い間、コンピュータビジョンの分野で重要な問題であった。 従来の研究は、カテゴリ非依存またはカテゴリ対応エッジ検出を探索してきた。 本稿では,オブジェクトインスタンスのコンテキストにおけるエッジ検出について検討する。
  論文  参考訳（メタデータ） (2022-04-06T15:32:21Z)
• Interpolation-based semi-supervised learning for object detection [44.37685664440632]
  オブジェクト検出のための補間に基づく半教師付き学習手法を提案する。 提案した損失は、半教師付き学習と教師付き学習の性能を劇的に向上させる。
  論文  参考訳（メタデータ） (2020-06-03T10:53:44Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)
• Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
  本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。 これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
  論文  参考訳（メタデータ） (2020-02-11T14:04:56Z)
• 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。