基于多尺度卷积神经网络的显著性检测方法

作者：刘鑫松; 孙劲光

来源：电脑知识与技术, 2023, 19(31): 28-30.

DOI：10.14004/j.cnki.ckt.2023.1676

• 多尺度
• 卷积神经网络
• 显著性检测
• 特征提取
• 特征融合

在显著性检测技术迅速发展的今天，传统的显著性检测技术对图片提取显著性目标区域时常常遇到难以在复杂的图片中准确地区分物体的内部区域和边界，造成边界模糊、提取精度不佳等问题。针对以上问题，根据卷积神经网络特征提取时会同时产生多个尺度特征的特点，提出了一种基于多尺度卷积神经网络的显著性检测方法。首先，图片经过特征提取模块产生分辨率不同的特征图；其次，由上至下建立多尺度特征连接；然后，采用降维、上采样等方式进行融合特征；最后，提取图片显著目标区域。实验在HKU数据集、ECSSD数据集以及PASCAL-S数据集上设计，结果表明，基于多尺度卷积神经网络的显著性检测网络模型具有较好的显著性检测能力，并具有较高的执行效率。

• 单位
  辽宁工程技术大学