-
题名基于特征注意力提纯的显著性目标检测模型
- 1
-
-
作者
白雪飞
申悟呈
王文剑
-
机构
山西大学计算机与信息技术学院
计算智能与中文信息处理教育部重点实验室(山西大学)
-
出处
《计算机科学》
CSCD
北大核心
2024年第5期125-133,共9页
-
基金
国家自然科学基金(61703252,U21A20513,62076154,62276161)
山西省重点研发项目(202102150401013)
山西省回国留学人员科研资助项目(2022-008)。
-
文摘
近年来,显著性目标检测技术取得了巨大进展,其中如何选择并有效集成多尺度特征扮演了重要角色。针对现有特征集成方法可能导致的信息冗余问题,提出了一种基于特征注意力提纯的显著性检测模型。首先,在解码器中采用一个全局特征注意力引导模块(GAGM)对带有语义信息的深层特征进行注意力机制处理,得到全局上下文信息;然后,通过全局引导流将其送入解码器各层进行监督训练;最后,利用多尺度特征融合模块(FAM)对编码器提取出的多尺度特征与全局上下文信息进行有效集成,并在网格状特征提纯模块(MFPM)中进行进一步细化,以生成清晰、完整的显著图。在5个公开数据集上进行实验,结果表明,所提模型优于现有的其他显著性检测方法,并且处理速度快,当处理320×320尺寸的图像时,能以30帧以上的速度运行。
-
关键词
显著性目标检测
注意力机制
多尺度特征融合
特征选择
网格状特征提纯
-
Keywords
Salient object detection
Attention mechanism
Multi-scale feature fusion
Feature selection
Mesh feature purification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-