注目領域検出における全体会話強化特徴量融合とエッジ重み付け損失を用いた手法

UNetベースの手法は、注目物体検出（SOD）において優れた性能を示していますが、2つの側面で問題があります。1) 複数の物体の空間情報を含むエンコーダ特徴量と、注目物体の全体情報を含むデコーダ特徴量を区別なく統合すると、非注目物体の不要な詳細情報がデコーダに伝わり、注目度検出を妨げる可能性があります。2) 模糊した物体境界に対処し、正確な注目度マップを生成するためには、エッジ再構成などの追加ブランチが必要となりますが、これにより計算コストが増大します。これらの問題を解決するために、我々はコンテキスト融合デコーダネットワーク（CFDN）および近傍エッジ加重損失関数（NEWLoss）を提案します。CFDNは、全体的なコンテキスト情報を統合することで正確な注目度マップを作成し、不要な空間情報の影響を抑制します。NEWLossは、オブジェクト境界上に重み付けマップを生成することにより、追加モジュールなしで模糊した境界の学習を加速します。我々の手法は4つのベンチマークデータセットで評価され、最先端の性能を達成しました。比較実験を通じて提案手法の有効性を証明しています。