【目标检测】开源 | 标签解耦框架(LDF)应用到显著目标检测中，性能SOTA！

论文地址： http://arxiv.org/pdf/2008.11048v1.pdf

代码： https://github.com/weijun88/ldf

来源：英特尔智能信息处理重点实验室，中国科学院大学，鹏程实验室，诺亚方舟实验室

论文名称：Label Decoupling Framework for Salient Object Detection

原文作者：Jun Wei

内容提要

为了获得更精确的显著性maps，现有的方法主要从全卷积网络(FCN)中聚合多层次特征和引入边缘信息作为辅助监控。虽然已经取得了显著的进展，但是我们观察到，像素越靠近边缘，预测就越困难，因为边缘像素的分布非常不平衡。为了解决这个问题，我们提出了一个标签解耦框架(LDF)，它由一个标签解耦过程(LD)和一个特征交互网络(FIN)组成。通过LD过程，特征图像被分离为两部分：主体和边缘细节。细节图由边缘和附近的像素组成，充分利用了近边缘的像素，使像素分布更加均衡。主体映射主要集中在远离边缘的像素上。FIN有两个分支，分别适用于主体图和细节图。将两个互补的分支融合在一起预测显著性映射，然后利用显著性映射对两个分支进行再次细化。这种迭代精化过程有助于获得逐渐精确的显著性图预测，促进分支之间的迭代信息交换。在六个基准数据集上进行综合实验，结果表明LDF在不同的评价指标上优于最新的方法。

主要框架及实验结果