Towards High-Resolution Salient Object Detection

引用格式

[1] Zeng Y , Zhang P , Lin Z , et al. Towards High-Resolution Salient Object Detection[J]. arXiv, 2019.

研究的背景

边界模糊的问题始终没有解决。
现在拍摄的照片分辨率越来越高。
高分辨率SOD有三种方法：简单地增加输入图像的大小，但是极耗内存；划分成块，一块一块地进行预测，但是极耗时间且容易被背景噪声影响；使用后处理方法比如CRF或者graph cuts.

使用的方法（创新点）

设计了第一个高分辨率显著性目标检测模型。在第一条路径中，原始输入图像下采样送入GSN，输出结果在进行上采样，送入GLFN。第二条路径中，原始图像送入APS来生成一组关注不确定区域的子图，这些子图被送入LRN，在GSN的引导下改善细节并将输出送入GLFN。第三条路径中，为了尽可能多地保留细节，直接将原图送入GLFN。
设计了Global Semantic Network，用于提全局语义信息。GSN和LRN都使用VGG作为backbone。为了在不增加参数的前提下扩大感受野，使用空洞卷积来捕捉上下文信息(也可以使用recurrent的方法)。GSN负责容易区分的区域，LRN负责艰难的部分，GSN生成的特征图可以用来引导LRN。
设计了Local Refinement Network，用于优化目标细节。当输入图像的尺寸很大的时候，想要定位显著目标需要进行多次或者大比例的下采样，这样会丢失太多细节，无法生成准确的边界，而使用局部子图作为输入虽然保留了细节信息，但是无法知道哪里是显著区域，因此LRN要在GSN的引导下进行以综合两者的优点。相比过去基于patch的方法使用类似滑动窗口的手段进行遍历，本模型只关注那些“艰难”的区域，因此并不耗时。
Attended Patch Sampling可以强迫LRN关注不确定的区域。其通过两个阈值找到了那些不确定的像素，生成了一个注意力矩阵。然后使用如下算法生成一组patch。
设计了Global-Local Fusion Network，用于融合预测。