EGNet

EGNet

code:​​paper:​​salient object features extraction​​​​Non-local salient edge features extraction​​​​One-to-one guidance module​​

​​实验结果​​​​复现结果​​

摘要

论文贡献

我们提出了一个EGNet来显式地模拟网络中互补的显著对象信息和显著边缘信息，以保持显著对象边界。 同时，显著的边缘特征也有助于定位。我们的模型联合优化了这两个互补任务，允许它们相互帮助，这大大改善了预测的显著性映射。我们比较了所提出的方法与15种最先进的方法在六个广泛使用的数据集。 没有铃铛和口哨声，我们的方法在三个评估指标下达到了最佳的性能。

Methods

Progressive salient object features extraction

Non-local salient edge features extraction

One-to-one guidance module

在获得互补的显著边缘特征和显著对象特征后，我们希望利用突出边缘特征来引导显著对象特征在分割和定位上表现更好。最简单的方法是熔融FE和Fˆ（3）。最好是要充分利用多分辨率的显著对象特性。然而，逐步融合显著边缘特征和多分辨率的显著对象特征的缺点是，当显著对象特征融合时，显著边缘特征会被稀释。此外，其目标是融合突出的对象特征和显著的边缘特征，利用互补的信息来获得更好的预测结果。因此，我们提出了一个一对一的指导模块。此外，实验部分还验证了我们的观点。

实验结果

复现结果

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。