【CVPR-2020】深入了解协同显著性目标检测 Taking a Deeper Look at Co-Salient Object Detection

【CVPR-2020】深入了解协同显著性目标检测 Taking a Deeper Look at Co-Salient Object Detection 【推荐理由】作为显著性检测领域中新出现的一个 分支，协同显著性检测（CoSOD）任务专注于在多张图片中检测共同出现的显著性物体。然而，现有的协同显著性检测数据集存在严重的数据偏差，这些数据集假设每一组图片中包含视觉表观相似的物体。这种偏差形成了一个理想的环境，在这类数据集上训练的模型可能无法加以应用，因为现实生活中总是语义或者概念上的相似。为解决此问题，我们首先提出了一个高质量的数据集名为CoSOD3k，提供多种级别的标注形式，包括类别、包围框、物体级别掩码、实例级别掩码。其次，我们总结34种前沿CoSOD算法，并提供其中19个算法在4个数据集进行全面评测数据。最后，我们针对CoSOD领域未来发展的机遇、挑战与趋势进行了讨论。 【论文链接】https://openaccess.thecvf.com/content_CVPR_2020/html/Fan_Taking_a_Deeper_Look_at_Co-Salient_Object_Detection_CVPR_2020_paper.html 【项目网站】http://dpfan.net/CoSOD3k/

内容中包含的图片若涉及版权问题，请及时与我们联系删除