Cadre de découplage des labels pour la détection d'objets saillants

Pour obtenir des cartes de saillance plus précises, les méthodes récentes se concentrent principalement sur l'agrégation de caractéristiques multi-niveaux à partir de réseaux entièrement convolutifs (FCN) et sur l'introduction d'informations de bord en tant que supervision auxiliaire. Bien que des progrès remarquables aient été réalisés, nous constatons que plus un pixel est proche du bord, plus il est difficile à prédire, en raison de la distribution très déséquilibrée des pixels de bord. Pour résoudre ce problème, nous proposons un cadre de découplage d'étiquettes (LDF) composé d'une procédure de découplage d'étiquettes (LD) et d'un réseau d'interaction de caractéristiques (FIN). LD décompose explicitement la carte de saillance originale en une carte du corps et une carte des détails, où la carte du corps se concentre sur les zones centrales des objets et la carte des détails met l'accent sur les régions autour des bords. La carte des détails fonctionne mieux car elle implique beaucoup plus de pixels que la supervision traditionnelle des bords. Contrairement à la carte de saillance, la carte du corps élimine les pixels de bord et ne porte attention qu'aux zones centrales. Cela permet d'éviter efficacement les distractions causées par les pixels de bord pendant l'entraînement. Par conséquent, nous utilisons deux branches dans le FIN pour traiter respectivement la carte du corps et la carte des détails. L'interaction de caractéristiques (FI) est conçue pour fusionner ces deux branches complémentaires afin de prédire la carte de saillance, qui est ensuite utilisée pour affiner à nouveau les deux branches. Cette affinage itératif est utile pour apprendre des représentations meilleures et plus précises ainsi que pour générer des cartes de saillance plus précises. Des expériences exhaustives menées sur six jeux de données基准数据集 (benchmark datasets) montrent que LDF surpasses les approches state-of-the-art selon différentes métriques d'évaluation.注：由于“基准数据集”在法语中没有一个完全对应的术语，我保留了英文“benchmark datasets”并将其置于括号内以确保信息完整。