显著性检测论文详解（一）：BASNet: Boundary-Aware Salient Object Detection

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），预测的显著性图在精细结构和/或边界上仍然有缺陷，显著性预测目标主要存在两个挑战，①需要聚合多层次深度特征来获取整个图像的全局意义。②交叉熵损失容易造成边界模糊。
　　作者使用新的残差模块与U-Net编码器网络相结合，在Encoder-Decoder网络后面连接细化模块改进预测地图。并提出混合交叉损失（BCE、SSIM、IoU）来提高置信度显著图和清晰地边界。

模型：

整体框架：