科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的协同显著性检测算法在多显著目标复杂场景下表现不佳的问题，提出了一种基于高效通道注意力和特征融合的协同显著性检测算法。首先，检测算法利用预训练的深度卷积神经网络对场景进行多尺度特征的提取，结合边缘显著信息设计了显著性语义特征提取模块，以避免全卷积神经网络导致边缘信息的缺失；其次，通过内积基本原理得到组内图片间的关联性信息并根据其关联程度进行自适应加权，结合高效通道注意力层设计了协同特征提取算法；最后，为了将各级高层语义特征经过协同显著性特征提取之后的结果与浅层次的特征进行融合，并实现对预测结果进行多分支同步监督，设计了基于高效通道注意力的特征融合模块。通过对3个经典的数据集进行测试，并与6种现有的协同显著检测算法进行对比，结果表明本文所提算法提高了复杂场景中图像的协同显著性检测的精度以及边缘信息的丰富程度，并具有更优的协同显著性信息检测性能；通过消融实验进一步验证了所提设计算法各个模块的有效性和必要性。
- 单位
