ICMLMay, 2024
尺寸不变性的重要性：重新考虑用于不平衡多目标显著目标检测的指标和损失函数
Size-invariance Matters: Rethinking Metrics and Losses for Imbalanced Multi-object Salient Object Detection
Feiran Li, Qianqian Xu, Shilong Bao, Zhiyong Yang, Runmin Cong...
TL;DR本研究探讨了显著目标检测中评估指标的尺度不变性，尤其是当同一图像中存在多个不同大小的目标时。通过观察，我们发现当前的评估指标对尺寸很敏感，更倾向于关注较大的目标而忽略较小的目标。我们认为评估应该是尺度不变的，因为没有附加语义信息时，基于尺寸的偏差是不合理的。为此，我们提出了一种通用的方法，对每个显著目标进行单独评估，然后将结果组合，有效地减轻了不平衡性。我们进一步开发了一个针对此目标量身定制的优化框架，在检测不同大小的目标方面取得了显着的改进。从理论上，我们提供了支持我们的新指标的证据，并对显著目标检测的泛化分析进行了介绍。大量实验证明了我们方法的有效性。代码可在此 URL 中获得。