EDN: Salient Object Detection via Extremely-Downsampled Network

增采样 计算机科学 人工智能 突出 SPARK(编程语言) 棱锥(几何) 特征(语言学) 卷积(计算机科学) 目标检测 计算机视觉 特征提取 编码(集合论) 模式识别(心理学) 比例(比率) 对象(语法) 图像(数学) 人工神经网络 集合(抽象数据类型) 程序设计语言 哲学 物理 光学 语言学 量子力学
作者
Yu-Huan Wu,Yun Liu,Le Zhang,Ming–Ming Cheng,Bo Ren
出处
期刊:IEEE transactions on image processing [Institute of Electrical and Electronics Engineers]
卷期号:31: 3125-3136 被引量:109
标识
DOI:10.1109/tip.2022.3164550
摘要

Recent progress on salient object detection (SOD) mainly benefits from multi-scale learning, where the high-level and low-level features collaborate in locating salient objects and discovering fine details, respectively. However, most efforts are devoted to low-level feature learning by fusing multi-scale features or enhancing boundary representations. High-level features, which although have long proven effective for many other tasks, yet have been barely studied for SOD. In this paper, we tap into this gap and show that enhancing high-level features is essential for SOD as well. To this end, we introduce an Extremely-Downsampled Network (EDN), which employs an extreme downsampling technique to effectively learn a global view of the whole image, leading to accurate salient object localization. To accomplish better multi-level feature fusion, we construct the Scale-Correlated Pyramid Convolution (SCPC) to build an elegant decoder for recovering object details from the above extreme downsampling. Extensive experiments demonstrate that EDN achieves state-of-the-art performance with real-time speed. Our efficient EDN-Lite also achieves competitive performance with a speed of 316fps. Hence, this work is expected to spark some new thinking in SOD. Code is available at https://github.com/yuhuan-wu/EDN.
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
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
1秒前
feijelly完成签到 ,获得积分10
1秒前
时鹏飞完成签到 ,获得积分10
9秒前
jiudai完成签到 ,获得积分10
10秒前
无为完成签到 ,获得积分10
14秒前
织心完成签到 ,获得积分10
16秒前
她的城完成签到,获得积分10
16秒前
时尚的梦曼完成签到,获得积分10
16秒前
tonight完成签到 ,获得积分10
17秒前
活泼的似狮完成签到,获得积分10
22秒前
合适醉蝶完成签到 ,获得积分10
24秒前
喜悦香萱完成签到 ,获得积分10
27秒前
39秒前
轻松的孤云完成签到,获得积分10
39秒前
一枝完成签到 ,获得积分10
40秒前
薄荷小新完成签到 ,获得积分10
40秒前
mm发布了新的文献求助10
43秒前
bzdjsmw完成签到 ,获得积分10
45秒前
kysl完成签到,获得积分10
57秒前
wanci应助mm采纳,获得10
58秒前
Only完成签到 ,获得积分10
1分钟前
风-FBDD完成签到,获得积分10
1分钟前
CWC完成签到,获得积分10
1分钟前
入门的橙橙完成签到 ,获得积分10
1分钟前
马大翔应助你好采纳,获得10
1分钟前
小李完成签到 ,获得积分10
1分钟前
扬帆起航完成签到 ,获得积分10
1分钟前
毛毛弟完成签到 ,获得积分10
1分钟前
倪小呆完成签到 ,获得积分10
1分钟前
化身孤岛的鲸完成签到 ,获得积分10
1分钟前
1分钟前
曾经的采波完成签到 ,获得积分10
1分钟前
Emma完成签到,获得积分10
1分钟前
黑球发布了新的文献求助10
1分钟前
阳光森林完成签到 ,获得积分10
1分钟前
一二完成签到 ,获得积分10
1分钟前
酷波er应助科研通管家采纳,获得10
1分钟前
薰硝壤应助科研通管家采纳,获得10
1分钟前
薰硝壤应助科研通管家采纳,获得10
1分钟前
所所应助科研通管家采纳,获得10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709891
关于积分的说明 7418319
捐赠科研通 2354494
什么是DOI,文献DOI怎么找? 1246122
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921