salient object detection | BriefGPT

关键词salient object detection

搜索结果 - 119

M$^3$Net：多层、混合与多阶段注意力网络用于显著目标检测
提出了用于显著性目标检测的多层次、混合和多阶段注意力网络（M$^3$Net），包括多尺度交互块和混合注意力块，并引入多层次监督策略进行聚合特征的优化。在六个具有挑战性的数据集上的实验证明，所提出的 M$^3$Net 在四个指标上优于最近的
PDF10 months ago
基于 Transformer 的光学遥感图像显著目标检测
基于全局到局部范式，提出了一种用于光学遥感图像中显著目标检测的全局提取局部探索网络 (GeleNet)。GeleNet 首先采用 Transformer 骨干网络生成四级特征嵌入以捕获全局远程依赖性。然后，GeleNet 利用方向感知的混洗
PDF10 months ago
通过符号学习评估显著目标检测的对抗攻击
机器学习、显著目标检测、脑编程、鲁棒性和安全性是本论文的关键词，研究了如何设计可靠的视觉注意系统以及其在野生动物保护和监测活动中的重要性。
PDF10 months ago
MM基于点感知交互和卷积神经网络引导的 RGB-D 显著目标检测网络
通过将 RGB 图像和深度图的互补信息整合，提升了对复杂和具有挑战性场景的显著对象检测（SOD）的能力。我们引入了 CNN 辅助 Transformer 架构，并提出了一种新的 RGB-D SOD 网络，具备点感知交互和 CNN 诱导细化的
PDFa year ago
自适应低秩适应性分区对显著目标检测的改进
基于深度学习中内在的低秩结构，我们提出了一种创新的方法，通过自适应微调 Segment Anything Model (SAM) 来实现显著目标检测，通过在五个具有挑战性的 RGB 基准数据集上进行全面的定性和定量评估，证明了我们方法的卓越
PDFa year ago
MM高分辨率显著目标检测的循环多尺度 Transformer
本研究提出了一个新的高分辨率显著物体检测 (High-Resolution SOD) 方法，该方法使用 HRS10K 数据集和递归多尺度 Transformer (RMFormer) 生成高分辨率显著图。对高分辨率和低分辨率基准测试的广泛实
PDFa year ago
360° 突出物体检测中的失真感知 Transformer
通过引入两个变形自适应模块和学习关系矩阵，我们提出了一种基于 Transformer 的模型 (DATFormer) 来解决 360° 数据投影导致的特征失真问题，并在三个公开数据集上的实验中证明了该模型在 2D 和 360° 突出物检测任
PDFa year ago
基于不确定性感知的联合显著目标检测与伪装目标检测
通过数据级矛盾建模和任务级矛盾建模，引入不确定性感知学习流程，从而在突显物体检测和伪装物体检测任务中充分探索矛盾信息。为了更好地理解这两个任务的不确定性，我们广泛研究了不确定性估计技术，以实现对每个任务的困难区域进行有效估计和学习。实验结果
PDFa year ago
针对远程感知显著对象检测的对抗云攻击防御
提出了一种新的对抗性云攻击和防御方法对抗远程感知图像中突出物体的检测，并且通过 DefenseNet 预处理使其能够在白盒和黑盒设置下防御该攻击。
PDFa year ago
弱监督的 RGB-D 显著目标检测中的互信息正则化
这篇论文介绍了一种通过涂鸦监督实现弱监督 RGB-D 显著性目标检测模型的方法，通过互模态相互信息正则化来改进多模态表示学习，采用了不对称特征提取器和多模态变分自编码器作为随机预测细化技术。作者的方法比传统方法更有效，并且在现有的数据集上取
PDFa year ago
RSSOD-Bench: 光学遥感图像显著性检测大规模基准数据集
本文介绍了 RSSOD-Bench 数据集的构建和基准性能测试，该数据集旨在解决遥感图像中显着对象检测（SOD）任务的局限性问题。
PDFa year ago
DC-Net: 显著目标检测的分治方法
本文提出使用分而治之的思想来优化显著目标检测任务，并设计了基于此思想的 DC-Net 神经网络模型，其中包含两个编码器和一个解码器，通过预测边缘地图和显著对象位置地图来预测最终显著性图，并采用两级 ResASPP 模块来捕获不同尺度特征，最
PDFa year ago
光场显著目标检测的引导式焦距叠加细化网络
本研究提出了一种新的带引导的聚焦层栈细化神经网络（GFRNet）来优化轻场景中显著目标检测的性能，并利用多模态特征引导进行精细化的聚焦细化。
PDFa year ago
基于 F-measure 值的显著目标检测正反馈方法
本文提出了一种基于 F-measure 值的正反馈方法来改进现有方法的显著性预测准确性，通过将现有模型的预测图输入到正反馈方法中，可获得高准确性的预测结果，而无需进行精细的解码器设计或模型训练。该方法具有适应性，可根据现有模型进行实现，并且
PDFa year ago
基于交互式上下文感知网络的 RGB-T 显著物体检测
本文提出一种名为互动上下文感知网络（ICANet）的新型网络，它通过混合两种模态的特征来实现跨模态信息以及通过 Multi-Scale Attention Reinforcement（MSAR）和 Upper Fusion（UF）模块来进行
PDF2 years ago
AAAILeNo: 可学习噪声对抗鲁棒突出目标检测网络
本文提出了一种轻量级的 Learnable Noise (LeNo) 来防御针对 SOD 模型的对抗性攻击，LeNo 包括一个简单的浅层噪声和嵌入任意 SOD 网络编码器和解码器中的噪声估计。通过基于中心先验的浅层噪声初始化和噪声估计的深度
PDF2 years ago
MOVE: 无监督的可移动物体分割和检测
使用自监督特征和对抗训练，提出了一种无监督目标分割方法 MOVE。该方法在多个评估数据集上实现了无监督显著对象检测和分割的 SotA 表现，单目标发现的 CorLoc 平均提高了 7.2％，无监督类别不可知的对象检测的相对 AP 平均提高了
PDF2 years ago
RGB-T 显著目标检测中温度因素是否始终重要？
本文提出了一个名为 TNet 的网络，通过引入全局光照估计模块，设置不同的跨模态交互机制以及两阶段本地化和补全模块，来解决 RGB-T 显著性目标检测任务。在三个数据集上进行的广泛实验证明，与 20 种最先进的方法相比，所提出的 TNet
PDF2 years ago
ECCV点云显著目标检测
本文研究了点云显著目标检测的新领域，提出了一个新的视角来解决点云中显著性冲突的问题，并且构建了第一个点云显著对象数据集 PCSOD，并对比了五种代表模型的检测效果。
PDF2 years ago
CVPR金字塔式关注网络用于显著性检测
该研究利用 RGB 图像估计深度信息，使用金字塔式的注意力机制从中提取多层级卷积变换的特征，综合使用残差卷积注意力解码器进行显著性预测，取得了比 21 种 RGB SOD 方法和 40 种 RGB-D SOD 方法更为优异的性能表现。
PDF2 years ago