边缘信息引导多级尺度特征融合的显著性目标检测方法

摘要：

针对基于FCN和U型网络架构的深度学习显著性目标检测方法提取的显著性图存在边界不清晰和结构不完整的问题,文中提出了一种基于边缘信息引导多级尺度特征融合网络(EGMFNet).EGMFNet使用多通道融合残差块(RCFBlock)以嵌套的U型网络架构作为主干模型.同时,在网络的较低层级引入具有边缘信息引导的全局空间注意力模块(EGSAM)以增强空间特征及边缘特征.此外,在损失函数中引入了图像边界损失,用于提升显著性图的质量并在学习过程中保留更加清晰的边界.在四个基准数据集上进行实验,实验结果表明,文中方法的F值较典型方法提升 1.5％、2.7％、1.8％和1.6％,验证了EGMFNet网络模型的有效性.

关键词：显著性目标检测、多尺度特征融合、边缘信息引导、空间注意力模块、边界损失函数

所属期刊栏目：52

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2023-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：253-262