论文部分内容阅读
在显著性目标检测领域常使用二分类交叉熵函数计算损失,但该损失函数独立计算各像素点的信息,忽视了每个像素之间的联系与显著目标的整体结构。当背景在整幅图像中占据主导位置后,会导致前景Loss被稀释,在计算损失时会同等对待所有像素,忽略了像素间的差异,这些缺点会导致边缘模糊的问题,越靠近显著物体边缘的像素点,预测的准确率越低。本文依据标签中不同像素之间的差异,基于交叉熵和交并比两种函数,采用加权的方法区别对待不同像素之间的损失,可提高难样本点的预测精度,进而引导网络重点关注显著物体的全局和边界特征。通过在