一种用于计算机视觉中显着物体检测的新型网络

中国科学院西安光学精密机械研究所(XIOPM)的学生宋大伟和他的团队成员最近提出了一种用于精确显着性物体检测的分层边缘细化网络(HERNet)。他们的最新结果发表在IEEE Transactions on Image Processing 上。

给定一张图像，显着目标检测的目标是定位与周围环境完全不同的有趣目标。与大多数现有的卷积神经网络方法总是模糊显着对象的边缘相比，HERNet 实现了准确的显着目标检测。

准确的显着性目标检测是计算机视觉的一项重要任务。鉴于此，研究人员提出了HERNet。整个结构被分解为两个重要的模块，显着性预测网络和边缘保留网络。该模型通过三个必要的监督，结构监督，混合监督和边缘监督进行训练。

他们凭经验表明预测图的边缘模糊是显着目标检测中的一项具有挑战性的任务，而所提出的 HERNet 可以有效地减轻它。

综合实验结果证明了 HERNet 在不同评估指标下的优越性。在未来，所提出的方法将启发设计准确显着目标检测的有效架构。