Demokratie spielt eine Rolle: Umfassende Merkmalsextraktion für die Erkennung von ko-salienten Objekten

Die Erkennung von ko-salienten Objekten, die das Ziel hat, koexistierende auffällige Objekte in einer Gruppe von Bildern zu detektieren, gewinnt zunehmend an Popularität. Kürzliche Arbeiten verwenden Mechanismen der Aufmerksamkeit oder zusätzliche Informationen, um gemeinsame ko-saliente Merkmale zu aggregieren, was jedoch oft zu unvollständigen oder sogar fehlerhaften Ergebnissen für die Zielobjekte führt. In dieser Arbeit streben wir an, umfassende ko-saliente Merkmale demokratisch zu erforschen und Störeinflüsse des Hintergrunds ohne Einführung zusätzlicher Informationen zu reduzieren. Um dies zu erreichen, haben wir ein Modul zur demokratischen Prototypengenerierung entwickelt, das demokratische Antwortkarten erstellt, welche ausreichend ko-saliente Bereiche abdecken und somit mehr geteilte Attribute von ko-salienten Objekten berücksichtigen. Anschließend kann auf Basis dieser Antwortkarten ein umfassender Prototyp generiert werden, der als Leitfaden für die endgültige Vorhersage dient. Um störende Hintergrundinformationen im Prototyp zu unterdrücken, schlagen wir ein Modul zum selbstkontrastiven Lernen vor, bei dem sowohl positive als auch negative Paare gebildet werden, ohne dass zusätzliche Klassifikationsinformationen benötigt werden. Darüber hinaus haben wir ein Modul zur demokratischen Verbesserung von Merkmalen entworfen, um durch Anpassung der Aufmerksamkeitswerte die ko-salienten Merkmale weiter zu verstärken. Ausführliche Experimente zeigen, dass unser Modell unter den gleichen Einstellungen eine bessere Leistung als bisherige state-of-the-art-Methoden erzielt, insbesondere bei anspruchsvollen realweltlichen Fällen (z.B. bei CoCA erhalten wir einen Zuwachs von 2,0 % für den MAE-Wert, 5,4 % für den maximalen F-Wert, 2,3 % für den maximalen E-Wert und 3,7 % für den S-Wert). Der Code wird bald veröffentlicht.请注意，这里有一些术语的翻译：- Co-salient object detection: Ko-saliente Objekterkennung- Attention mechanism: Mechanismus der Aufmerksamkeit- Democratic prototype generation module: Modul zur demokratischen Prototypengenerierung- Response maps: Antwortkarten- Self-contrastive learning module: Modul zum selbstkontrastiven Lernen- Democratic feature enhancement module: Modul zur demokratischen Verbesserung von Merkmalen- State-of-the-art methods: state-of-the-art-Methoden (通常保留英文)希望这些翻译能帮助您更好地理解内容。如果您有任何疑问或需要进一步调整，请告诉我。