坐标注意力特征金字塔的显著性目标检测算法

摘要：

显著性目标检测旨在获取图像中的视觉显著目标,是计算机视觉领域的重要研究内容.相比传统手工提取特征的方法,基于全卷积神经网络的方法已在这一领域展现出强大优势.然而,显著性目标检测仍然存在一些问题.复杂场景下,背景中可能存在一些易被误判为显著目标的噪声,导致检测性能下降.另外,当显著目标轮廓较为复杂时,边界像素点的检测也变得较为困难.为了解决这些问题,提出一种坐标注意力特征金字塔的显著性目标检测算法.采用基于特征金字塔的网络结构,提取显著目标中不同层次的特征,并设计特征细化模块以实现不同层次特征的有效融合.为解决背景误判问题,采用坐标注意力模块,增大显著性区域权重的同时,抑制背景噪声.对于边界复杂问题,设计边界感知损失函数并结合多层次监督方法,帮助网络更加关注边界像素点,生成边界清晰的高质量显著图.在五个常用显著性目标检测数据集上的实验结果表明,该算法在五种评价指标上均取得较优的检测结果.

关键词：显著性目标检测、深度学习、坐标注意力、特征金字塔、边界感知

所属期刊栏目：17

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61972180

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：154-165