Optimizing the F-measure for Threshold-free Salient Object Detection 本文的出发点主要是基于CNN的显著性目标检测主要依赖于对交叉熵损失的优化。然后被检测的显著性图经常通过F-measure进行衡量。这篇文章调查了一个有趣的问题:在训练和衡量阶段能否一致使用F-measure?通过重新定义标准的F-measure,提出relaxed F-measure。与传统的交叉熵损失相比较,梯度在饱和区域降低更快,这个损失函数称为FLoss,甚至当激活接近目标时也有相当大梯度。因此,FLoss可以不断的迫使网络产生极化激活。 提出了FLo