摘要

在本文中，我们提出了一种新颖的端到端群体协同学习网络，命名为 GCoNet+，该网络能够高效且有效地（250 帧/秒）识别自然场景中的共显著对象。所提出的 GCoNet+ 通过挖掘基于以下两个基本准则的一致性表示，在共显著对象检测（CoSOD）任务上达到了新的最先进性能：1）组内紧凑性，通过我们的新型群体亲和模块（GAM）捕捉共显著对象的内在共享属性，从而更好地表述这些对象之间的一致性；2）组间可分离性，通过引入我们的新群体协作模块（GCM），在不一致共识的条件下有效抑制噪声对象对输出的影响。为了进一步提高准确性，我们设计了一系列简单而有效的组件，具体如下：i）一个递归辅助分类模块（RACM），促进模型在语义层面的学习；ii）一个置信度增强模块（CEM），帮助模型提高最终预测的质量；iii）一种基于群体的对称三元组损失（GST 损失），引导模型学习更具区分性的特征。我们在三个具有挑战性的基准数据集上进行了广泛的实验，即 CoCA、CoSOD3k 和 CoSal2015，结果表明我们的 GCoNet+ 在现有 12 种最先进的模型中表现最佳。代码已发布在 https://github.com/ZhengPeng7/GCoNet_plus。