双注意力循环卷积显著性目标检测算法
显著性目标检测是机器视觉领域的研究热点,具有广泛的应用前景.针对现有显著性目标检测算法存在的显著区域检测不均匀、边缘表示模糊等问题,提出一种双注意力循环卷积显著性目标检测算法.在U-Net全卷积骨干网络中添加像素间-通道间双注意力模块,在跨层连接前对底层特征进行预处理,减小噪声和杂波干扰,提高显著区域检测性能.在骨干网络后端使用循环卷积模块,将最后的预测图与底层卷积层特征进一步结合,增强预测区域边缘的表示效果.在三个公开数据集上进行实验评测,并与相关算法进行对比,结果表明所提算法能更好地均匀突显显著区域和细化区域边缘.
机器视觉、显著性目标检测、全卷积神经网络、注意力机制、循环卷积网络
39
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金
2019-11-19(万方平台首次上网日期,不代表论文的发表时间)
共11页
260-270