多尺度特征多径自适应复用的显著性目标检测

摘要：

由于忽略了对多尺度特征的提取,以及不同层次特征之间的差异,显著性目标检测仍然存在预测结构不完整、细节丢失的问题.为了解决这些问题,提出了一个新的显著性检测模型M3Net.该网络主要由多尺度特征自适应融合模块和循环反馈聚合模块组成.多尺度特征自适应融合模块旨在自适应地捕捉和聚合不同层次的多尺度特征.循环反馈聚合模块组成可以在迭代过程中对不同层次特征聚合的同时,有效地防止特征的稀释.在五个基准数据集上的实验结果表明,该网络在Fβ、Em、MAE三种评价指标上优于十种现有网络.在DUT-OMRON数据集上,Fβ 指标比排名第二的显著性检测模型提高了 0.4％,Em指标提高了 0.3％;在ECSSD数据集上,Fβ指标比排名第二的显著性检测模型提高了 0.2％,Em指标提高了 0.3％,同时网络还具有优秀的速度表现.

关键词：显著性检测、多尺度特征、自适应加权、循环聚合

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金62061032

在线出版日期：2023-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：628-633