复杂场景下显著性目标检测注意力金字塔网络

作者：方金生^*; 陶余昊; 朱古沛; 陈彦佑

来源：计算机工程与应用, 2023, 59(22): 259-267.

• 显著性目标检测
• 注意力机制
• 深度学习
• 金字塔池化
• 边界感知

近年来，深度卷积神经网络在显著性目标检测中得到广泛关注和研究，并取得了重要进展。但当显著性目标处于复杂背景中时，当前算法的性能仍有待提高。提出一种利用边界感知和注意力机制的金字塔池化网络（attentionbased boundary-aware pyramid pooling network,ABAPNet），用于复杂场景下的显著性目标检测。ABAPNet通过引入级联式通道注意力和空间注意力机制，采用特征金字塔网络架构获取多层次的语义特征，以高层特征信息来辅助浅层特征；再通过融合二进制交叉熵、结构相似性和联合交集的混合损失函数，可增强获取重要语义特征并且关注目标边界特征，从而引导网络从复杂背景中更好地检测目标。在5个公开数据集上的实验表明，ABAPNet在多个评价指标上均优于比较算法，达到最优性能。

• 单位
  闽南师范大学