基于特征排列和空间激活的显著物体检测方法
显著物体检测目前在计算机视觉领域中非常重要,如何处理不同尺度的特征信息成为能否获得优秀预测结果的关键.该文有两个主要贡献,一是提出一种用于显著目标检测的特征排列方法,基于自编码结构的卷积神经网络模型,利用尺度表征的概念将特征图进行分组和重排列,以获得一个更加泛化的显著目标检测模型和更加准确的显著目标预测结果;二是在输出部分利用了双重卷积残差和FReLU激活函数,抓取更全面的像素信息,完成空间信息上的激活.利用两种算法的特点融合作用于模型的学习训练.实验结果表明,将该文算法与主流的显著目标检测算法进行比较,在所有评测指标上都达到了最优的效果.
显著物体检测、多尺度、特征排列、空间激活
44
TN911.73;TN919.8
国家重点研发计划;国家自然科学基金
2022-04-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
1093-1101