GCoNet+: 더 강력한 그룹 협업 공통 주요 객체 검출기

본 논문에서는 자연 환경에서 공통적으로 주목받는 객체를 효과적이고 효율적으로 (250 fps) 식별할 수 있는 새로운 엔드투엔드 그룹 협업 학습 네트워크인 GCoNet+를 제시합니다. 제안된 GCoNet+는 다음과 같은 두 가지 필수 기준을 바탕으로 합의 표현을 추출하여 공통 주목 객체 검출(CoSOD)에서 새로운 최고 성능을 달성하였습니다:1) 그룹 내 집약성: 공통 주목 객체들 간의 일관성을 개선하기 위해 본 연구에서 새롭게 제안한 그룹 친화 모듈(GAM)을 사용하여 이들의 고유한 공유 속성을 포착합니다;2) 그룹 간 분리성: 불일치한 합의에 기반하여 새롭게 도입된 그룹 협업 모듈(GCM)을 통해 노이즈 객체들의 출력 영향력을 효과적으로 억제합니다.정확도를 더욱 향상시키기 위해 다음과 같이 단순하면서도 효과적인 여러 구성 요소를 설계하였습니다:i) 의미 수준에서 모델 학습을 촉진하는 반복 보조 분류 모듈(RACM);ii) 최종 예측의 품질을 개선하는 데 도움을 주는 신뢰도 강화 모듈(CEM);iii) 더 구분력 있는 특징들을 학습하도록 안내하는 그룹 기반 대칭 트립렛(GST) 손실 함수.CoCA, CoSOD3k, CoSal2015 등 세 가지 어려운 벤치마크에서 수행된 광범위한 실험 결과, 우리의 GCoNet+가 기존 12개 최신 모델들을 능가한다는 것을 입증하였습니다. 코드는 https://github.com/ZhengPeng7/GCoNet_plus 에서 제공됩니다.