TRACER : Réseau de Traçage d'Objets Saliants Guidé par une Attention Extrême

Les études existantes sur la détection d'objets saillants (SOD) se concentrent sur l'extraction d'objets distincts à partir d'informations de bord et l'agrégation de caractéristiques multiréseaux pour améliorer les performances de la SOD. Pour obtenir des performances satisfaisantes, ces méthodes utilisent des informations de bord raffinées et une faible discordance multiréseaux. Cependant, il est difficile d'atteindre à la fois une amélioration des performances et une efficacité computationnelle, ce qui nous a motivés à examiner les inefficacités des structures encodeur-décodeur existantes afin d'éviter ce compromis. Nous proposons TRACER, un modèle qui détecte les objets saillants avec des bords explicites en intégrant des modules de traçage guidés par l'attention. Nous utilisons un module d'attention aux bords masqués à la fin du premier encodeur, en utilisant une transformation de Fourier rapide pour propager les informations de bord raffinées vers l'extraction ultérieure des caractéristiques. Dans la phase d'agrégation multiréseaux, le module d'attention union identifie les canaux complémentaires et les informations spatiales importantes. Pour améliorer les performances du décodeur et son efficacité computationnelle, nous minimisons l'utilisation des blocs du décodeur grâce au module d'attention aux objets. Ce module extrait les objets non détectés et les informations de bord à partir des canaux raffinés et des représentations spatiales. Ensuite, nous proposons une fonction de perte adaptative basée sur l'intensité pixel pour traiter les pixels relativement importants, contrairement aux fonctions de perte conventionnelles qui traitent tous les pixels de manière égale. Une comparaison avec 13 méthodes existantes montre que TRACER atteint des performances de pointe sur cinq jeux de données de référence. Nous avons rendu TRACER disponible à l'adresse suivante : https://github.com/Karel911/TRACER.