Perceptual loss guided Generative adversarial network for saliency detection

计算机科学 人工智能 感知 水准点(测量) 基本事实 编码(集合论) 生成语法 功能(生物学) 对抗制 模式识别(心理学) 图像(数学) 利用 灰度 生成对抗网络 机器学习 集合(抽象数据类型) 心理学 生物 进化生物学 神经科学 计算机安全 程序设计语言 地理 大地测量学
作者
Xiaoxu Cai,Aiying Wang,Jianwen Lou,Muwei Jian,Junyu Dong,Rung-Ching Chen,Brett Stevens,Hui Yu
出处
期刊:Information Sciences [Elsevier BV]
卷期号:654: 119625-119625 被引量:7
标识
DOI:10.1016/j.ins.2023.119625
摘要

In this work, we introduce a novel approach for saliency detection through the utilization of a generative adversarial network guided by perceptual loss. Achieving effective saliency detection through deep learning entails intricate challenges influenced by a multitude of factors, with the choice of loss function playing a pivotal role. Previous studies usually formulate loss functions based on pixel-level distances between predicted and ground-truth saliency maps. However, these formulations don't explicitly exploit the perceptual attributes of objects, such as their shapes and textures, which serve as critical indicators of saliency. To tackle this deficiency, we propose an innovative loss function that capitalizes on perceptual features derived from the saliency map. Our approach has been rigorously evaluated on six benchmark datasets, demonstrating competitive performance when compared against the forefront methods in terms of both Mean Absolute Error (MAE) and F-measure. Remarkably, our experiments reveal consistent outcomes when assessing the perceptual loss using either grayscale saliency maps or saliency-masked colour images. This observation underscores the significance of shape information in shaping the perceptual saliency cues. The code is available at https://github.com/XiaoxuCai/PerGAN.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
皮水之完成签到,获得积分10
刚刚
科研通AI5应助zhanyuji采纳,获得10
1秒前
玉米发布了新的文献求助10
1秒前
正在加载发布了新的文献求助10
2秒前
安晗默发布了新的文献求助10
3秒前
不够萌完成签到,获得积分10
3秒前
3秒前
皮水之发布了新的文献求助10
4秒前
4秒前
KIM完成签到,获得积分10
4秒前
传奇3应助兴奋柜子采纳,获得10
6秒前
6秒前
喜羊羊关注了科研通微信公众号
7秒前
鹏鱼燕完成签到,获得积分10
8秒前
Lance先生完成签到,获得积分10
8秒前
wuuu_ruby发布了新的文献求助20
8秒前
8秒前
一一发布了新的文献求助10
9秒前
打打应助羊驼采纳,获得10
10秒前
毕业顺利完成签到,获得积分10
11秒前
zhanyuji发布了新的文献求助10
11秒前
11秒前
田様应助cicicixixici采纳,获得30
11秒前
bob完成签到 ,获得积分10
11秒前
思无邪发布了新的文献求助10
12秒前
张凤发布了新的文献求助10
13秒前
研友_VZG7GZ应助鸭鸭采纳,获得10
14秒前
科研通AI5应助风中的安珊采纳,获得10
15秒前
Jasper应助兴奋柜子采纳,获得10
16秒前
17秒前
17秒前
Super发布了新的文献求助10
17秒前
18秒前
英姑应助糟糕的代丝采纳,获得10
18秒前
18秒前
羊驼完成签到,获得积分20
19秒前
19秒前
20秒前
annayl发布了新的文献求助10
21秒前
21秒前
高分求助中
Les Mantodea de Guyane Insecta, Polyneoptera 2500
Mobilization, center-periphery structures and nation-building 600
Introduction to Strong Mixing Conditions Volumes 1-3 500
Technologies supporting mass customization of apparel: A pilot project 450
China—Art—Modernity: A Critical Introduction to Chinese Visual Expression from the Beginning of the Twentieth Century to the Present Day 430
Multichannel rotary joints-How they work 400
Tip60 complex regulates eggshell formation and oviposition in the white-backed planthopper, providing effective targets for pest control 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3795205
求助须知:如何正确求助?哪些是违规求助? 3340212
关于积分的说明 10299164
捐赠科研通 3056777
什么是DOI,文献DOI怎么找? 1677185
邀请新用户注册赠送积分活动 805246
科研通“疑难数据库(出版商)”最低求助积分说明 762409