科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对深度学习的显著性区域检测方法大多存在的显著性图边界信息丢失、轮廓模糊等问题,提出将全局嵌套边缘检测(HED)模型迁移至显著性区域检测任务以增强边界检测,在其基础网络结构之上融入去卷积模块与跳跃嵌套结构,构建了面向显著性区域检测的HED-DSN模型.首先利用去卷积模块以乘积的方式结合底层与高层信息,然后利用跳跃嵌套结构以通道连接的方式将不同层次的特征进行融合,最后用全连接条件随机场对预测得到的显著性图进行优化.在MSRA-B, ECSSD, HKU-IS, SOD和DUT-OMRON共5个数据集上进行实验及模型评价,结果表明,HED-DSN模型在各数据集上均表现良好,不仅能准确地定位出显著性区域,且检测出的区域完整、边界清晰;在客观指标上,该模型的总体性能优于目前最好的DSS模型,且在SOD数据集上提高了近0.7%.
