Amulet: Aggregation von mehrstufigen Faltungseigenschaften für die Detektion von auffälligen Objekten

Vollkonvolutive Neuronale Netze (FCNs) haben in vielen dichten Beschriftungsproblemen eine herausragende Leistung gezeigt. Ein wichtiger Pfeiler dieser Erfolge ist das Auswählen relevanter Informationen aus den Merkmalskarten in konvolutiven Schichten. Allerdings ist die Frage, wie man die Mehrstufigen konvolutiven Merkmalskarten für die Detektion von auffälligen Objekten besser aggregieren kann, noch wenig erforscht. In dieser Arbeit stellen wir Amulet vor, einen generischen Rahmen zur Aggregation mehrstufiger konvolutiver Merkmalskarten für die Detektion von auffälligen Objekten. Unser Rahmen integriert zunächst die Mehrstufigen Merkmalskarten in verschiedene Auflösungen, wodurch grobe Semantik und feine Details gleichzeitig berücksichtigt werden. Anschließend lernt er anpassungsfähig, diese Merkmalskarten auf jeder Auflösung zu kombinieren und Salienzkarten mit den kombinierten Merkmalskarten zu erstellen. Schließlich werden die vorhergesagten Ergebnisse effizient fusioniert, um die endgültige Salienzkarte zu generieren. Darüber hinaus werden kantenbewusste Merkmalskarten in niedrigen Schichten sowie die Vorhersageergebnisse der niedrig-auflösenden Merkmalskarten rekursiv in den Lernrahmen eingebettet, um eine genaue Randaufklärung und eine semantische Verbesserung zu erreichen. Durch diese effiziente und flexible Aggregation der Mehrstufigen konvolutiven Merkmalskarten bietet das vorgeschlagene Salienzmodell eine präzise Beschriftung von auffälligen Objekten. Umfassende Experimente zeigen, dass unsere Methode bei fast allen verglichenen Evaluationsmetriken günstig mit den besten aktuellen Ansätzen mithält.