单组训练共显著检测模型

跨组泛化提升15%

仅用单组图像训练的共显著目标检测模型，通过显著性-共识交叉激励与类无关三元组损失，在未见过的RGB和RGB-D测试组上实现更高泛化性能。

Wang, Jie · Nana, Yu · Zhang, Zihao · 韩亚洪

IEEE Transactions on Circuits and Systems for Video Technology 2024

参数信息

Fm增益

15 %

技术优势

少组训练也能泛化

通过将任务解耦为显著性与共识的交叉激励，仅用单组训练即可在多个未知组上获得更高泛化能力。

性能大幅提升

在CoSOD3k和CoSal1k数据集上Fm提升超过15%，验证了方法在多种未见组上的有效性。

摆脱类别依赖

通过类无关三元组损失约束组内一致性，抑制模型获取类别先验，从而释放类依赖。

应用场景

• 视觉显著性检测：用单组训练的高泛化模型快速检测新图像组中的共同显著目标。
• RGB-D图像理解：模型可直接应用于未见过的RGB-D测试组，无需重复训练。
• 少样本目标分割：仅需单组训练即可用于少样本分割场景，降低标注需求。
• 图像共分割：通过交叉激励挖掘组共识，提升图像共分割的准确性。
• 多模态目标检测：在RGB和RGB-D两种模态上均验证了泛化能力，支持多模态检测。