CMGNet: Context-aware middle-layer guidance network for salient object detection - Publikacja - MOST Wiedzy

Wyszukiwarka

CMGNet: Context-aware middle-layer guidance network for salient object detection

Abstrakt

Salient object detection (SOD) is a critical task in computer vision that involves accurately identifying and segmenting visually significant objects in an image. To address the challenges of gridding issues and feature dilution effects commonly encountered in SOD, we propose a sophisticated context-aware middle-layer guidance network (CMGNet). CMGNet incorporates the context-aware central-layer guidance module (CCGM), which utilizes cost-effective large kernels of depth-wise convolutions with embedded parallel channel attentions and squeeze-and-excitation (SeE) attentions mechanisms. It enables the model to effectively perceive objects of varying scales in complex scenarios. Additionally, the incorporation of the adjacent-to-central-layers paradigm enriches the model’s ability to capture more structural and contextual information. To further enhance performance, we introduce the dual-phase central-layer refinement module (DCRM), which effectively removes the minute blurry residuals in complex scenarios and enhances object segmentation. Moreover, we propose a novel hybrid loss function that handles hard pixels at or near boundaries by incorporating a weighting formula. This hybrid loss function combines binary cross-entropy (BCE), intersection over union (IoU), and consistency-enhanced loss (CEL), resulting in smoother and more precise saliency maps. Extensive evaluations on challenging datasets demonstrate the superiority of our approach over 15 state-of-the-art methods in salient object detection.

Cytowania

Autorzy (7)

  • Zdjęcie użytkownika  Inam Ullah

    Inam Ullah

  • Zdjęcie użytkownika  Sumaira Hussain

    Sumaira Hussain

  • Zdjęcie użytkownika  Wajid Ali

    Wajid Ali

  • Zdjęcie użytkownika  Shahid Ali Khan

    Shahid Ali Khan

  • Zdjęcie użytkownika  Yilong Yin

    Yilong Yin

  • Zdjęcie użytkownika  Yuling Ma

    Yuling Ma

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Inna publikacyjna praca zbiorowa (w tym materiały konferencyjne)
Typ:
Inna publikacyjna praca zbiorowa (w tym materiały konferencyjne)
Rok wydania:
2024
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) https://doi.org/10.1016/j.jksuci.2023.101838
Weryfikacja:
Brak weryfikacji

wyświetlono 66 razy

Publikacje, które mogą cię zainteresować

Meta Tagi