论文阅读:Instance-Level Salient Object Segmentation
论文目的:
saliency detection 和 salient object segmentation
本文框架:
首先,作者提出a deep multiscale refinement network(MSRNet),并用这个网络分别获得了salient region detection和salient object contour detection。其次,使用MCG方法,计算之前contour获得salient object proposal,紧接着用MAP-based subset optimization method进一步获得一系列更简洁的proposal。最后,作者提出a fully connected CRF model,将获得的initial salient mask和object proposal 融合,获得最终的salient object segmentation。
论文贡献:
I. 提出了MSRNet,获得的saliency map效果超过现有的其他算法。MSRNet不仅整合了bottom-up和top-down的图像信息,同时考虑不同的图像尺度对结果的影响。
II. 结合了一些现有技术,将salient object分割成Instance。
III. 贡献了一个新的数据集。
算法细节:
I. MSRNet:
在提出的MSRNet中,作者做了两件事:1. 调整了传统VGG16,联合bottom-up和top-down信息。2. 增加了2个尺度,再用权值进行结合。
关于refined VGG16:
其实主要做的事情就是将底层的feature map和高层的feature map整合在一起。
关于Multiscale Fusion with Attentional Weights:
本文中作者将使用三个尺度的输入图片,