论文标题：Densely Deformable Efficient Salient Object Detection Network 论文链接：https://arxiv.org/abs/2102.06407 代码链接：https://github.com/tanveer-hussain/EfficientSOD 作者单位：世宗大学 & 澳大利亚国立大学 表现SOTA！性能优于JL-DCF、BANet等网络，代码刚刚开源！

最近出现了使用RGB-D数据的显著性目标检测（SOD），其中一些当前模型具有足够精确的结果。但是，它们限制了泛化能力和密集的计算复杂性。在本文中，受可变形卷积的最佳背景/前景分离能力的启发，我们将其应用于我们的密集变形网络（DDNet）中以实现有效的SOD。来自密集变形卷积的显著性区域使用转置卷积进一步优化，以最佳地生成显著性图。使用最新的SOD数据集对22种竞争技术进行的定量和定性评估显示了我们方法的效率和有效性。我们还使用自己创建的跨数据集“监视SOD”（S-SOD）提供评估，以检查经过训练的模型在各种情况下的适用性。结果表明，当前的模型具有有限的泛化潜力，需要在这个方向上进行进一步的研究。

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