显著性目标检测文章和结果记录

显著性目标检测

1 每个数据库单独训练

方法 ECSSD PASCAL-S DUTS-test HKU-IS SOD DUT-OMRON 时间 期刊 备注
F_\beta MAE F_\beta MAE F_\beta MAE F_\beta MAE F_\beta MAE F_\beta MAE
SRNet-V[1] 0.938 0.045 0.868 0.078 0.869 0.047 0.929 0.038 0.851 0.084 0.802 0.067 2019 arxiv 以VGG为骨架
SRNet-R [1] 0.944 0.04 0.883 0.075 0.878 0.045 0.930 0.036 0.859 0.076 0.830 0.060 以ResNet为骨架

2 用MSRA10K或者DUTS -TR作为训练集,其他数据库作为测试集

方法 ECSSD PASCAL-S DUTS-test HKU-IS SOD DUT-OMRON 时间 期刊 备注
F_\beta MAE F_\beta MAE F_\beta MAE F_\beta MAE F_\beta MAE F_\beta MAE
SFCN[2] 0.911 0.0421 0.813 0.0732 0.742 0.0622 0.906 0.0357 0.822 0.1012 0.718 0.0643 2019 arxiv
RDS-1152[3] 0.953 0.036 0.874 0.08 0.867 0.044 0.942 0.028 0.817 0.083 0.837 0.05 2019 arxiv 使用目标检测的数据集进行辅助
DGRL[4] 0.903 0.045 - - 0.768 0.051 0.882 0.037 - - 0.709 0.063 2018 cvpr2018
PAGRN[5] 0.891 0.064 0.803 0.092 0.788 0.055 0.886 0.048 - - 0.711 0.072 2018 cvpr2018 353X353的输出
PiCANet[6] 0.931 0.047 0.88 0.0781 0.851 0.054 0.8921 0.042 0.855 0.108 0.794 0.068 2018 cvpr2018

多模态显著性目标检测

RGB-D显著性目标检测

模型 NJUD NLRP STEREO DES 发表时间 期刊 备注
F_\beta MAE F_\beta MAE F_\beta MAE F_\beta MAE
AF[7] 0.899 0.0534 0.899 0.0327 0.904 0.0462 -- -- 2019 arxiv
MV-CNN[8] --- --- --- --- --- --- --- --- 2018 IEEE

参考文献


  1. Deep Reasoning with Multi-scale Context for Salient Object Detection,Zun Li,2019,http://arxiv.org/abs/1901.08362

  2. Salient Object Detection with Lossless Feature Reflection and Weighted Structural Loss , Pingping Zhang, https://arxiv.org/abs/1901.06823

  3. Richer and Deeper Supervision Network for Salient Object Detection, Sen Jia,Neil D. B. Bruce,https://www.jianshu.com/go-wild?ac=2&url=https://arxiv.org/abs/1901.02425

  4. Detect Globally, Refine Locally: A Novel Approach to Saliency Detection, Tiantian Wang,链接:https://www.crcv.ucf.edu/papers/cvpr2018/camera_ready.pdf, 代码:https://github.com/TiantianWang/CVPR18_detect_globally_refine_locally

  5. Progressive Attention Guided Recurrent Network for Salient Object Detection,Xiaoning Zhang,链接:http://openaccess.thecvf.com/content_cvpr_2018/html/Zhang_Progressive_Attention_Guided_CVPR_2018_paper.html, 代码:https://github.com/zhangxiaoning666/PAGR

  6. PiCANet: Learning Pixel-wise Contextual Attention for Saliency Detection,Nian Liu,链接:http://openaccess.thecvf.com/content_cvpr_2018/papers/Liu_PiCANet_Learning_Pixel-Wise_CVPR_2018_paper.pdf
    , 代码:https://github.com/nian-liu/PiCANet

  7. Adaptive Fusion for RGB-D Salient Object Detection Ningning, Ningning Wang, Xiaojin Gong, 2019, https://arxiv.org/abs/1901.01369

  8. CNNs-Based RGB-D Saliency Detection via Cross-View Transfer and Multiview Fusion,Junwei Han,2018,https://ieeexplore.ieee.org/document/8091125

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,651评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,468评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,931评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,218评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,234评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,198评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,084评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,926评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,341评论 1 311
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,563评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,731评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,430评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,036评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,676评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,829评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,743评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,629评论 2 354