点击上方“AI公园”，关注公众号，选择加“星标“或“置顶” 作者：Jae Duk Seo 编译：ronghuaiyang 导读 和昨天的那篇U²Net同作者，但是更早一点。 大多数深度学习方法→在显著性预测时侧重于区域预测→但现在他们创建了一个新的损失函数→也考虑了目标的边界。 显著性预测→我们人类擅长于此→关注给定的图像或视频中的“重要”目标。(但没有很多方法考虑目标的边界)。现在有很

BASNet: Boundary-Aware Salient Object Detection 简述： 对于显著性目标检测，以往的研究大多集中在区域精度上，而不是边界质量上。在这篇论文中，我们提出了一种predict-refine architecture，BASNet，以及一种新的混合损耗来实现边界感知的突出对象的设计。 问题or相关工作： 由上图，可以看到现在的方法（FCN等），预测的

BASNet学习知识点积累 文章目录 BASNet学习知识点积累一、论文1.模型2.损失3.评价指标4.消融实验 二、代码1.loss函数2.设置训练集路径3.遇到的bug 总结 一、论文 1.模型 论文中介绍的网络主要结合了UNet与SegNet的网络结合成了一个新的网络 将左侧UNet形状的结构分为编码部分与解码部分，中间的 Sup1是链接两个部分的 bridge。