一種用于計算機視覺中顯著物體檢測的新型網絡

中國科學院西安光學精密機械研究所(XIOPM)的學生宋大偉和他的團隊成員最近提出了一種用于精確顯著性物體檢測的分層邊緣細化網絡(HERNet)。他們的最新結果發表在IEEE Transactions on Image Processing 上。

給定一張圖像，顯著目標檢測的目標是定位與周圍環境完全不同的有趣目標。與大多數現有的卷積神經網絡方法總是模糊顯著對象的邊緣相比，HERNet 實現了準確的顯著目標檢測。

準確的顯著性目標檢測是計算機視覺的一項重要任務。鑒于此，研究人員提出了HERNet。整個結構被分解為兩個重要的模塊，顯著性預測網絡和邊緣保留網絡。該模型通過三個必要的監督，結構監督，混合監督和邊緣監督進行訓練。

他們憑經驗表明預測圖的邊緣模糊是顯著目標檢測中的一項具有挑戰性的任務，而所提出的 HERNet 可以有效地減輕它。

綜合實驗結果證明了 HERNet 在不同評估指標下的優越性。在未來，所提出的方法將啟發設計準確顯著目標檢測的有效架構。