#294
summarized by : Hideki Tsunashima
Pyramid Feature Attention Network for Saliency Detection

どんな論文か?

Saliency(顕著性)検知において、訓練済みVGGの浅い層と深い層から持ってきた特徴マップのノイズを取り除き、二つ特徴量を結合、さらにエッジを保存するよう促すロスを追加することで、5つのデータセットにおいてstate of the art(SOTA)を達成したPyramid Feature Attention Network(PFAN)を提案。
placeholder

新規性

深い層の特徴マップにおいてノイズを取り除くための機構の1つであるcontext-aware pyramid feature extraction(CPFE)を提案したことと、エッジを保存するよう促すロスを提案したことが新規性。

結果

DUTS-test, ECSSD, HKU-IS, PASCAL-S, DUT-OMRONの5つのデータセットの顕著性検知にてSOTAを達成。

その他(なぜ通ったか?等)

結果が他の手法に比べて定量的評価だけでなく圧倒的に見栄えがよいことと、既存手法との比較実験、アブレーションスタディーがかなり充実していることから通ったと考えられる。