基于语义引导特征聚合的显著性目标检测网络

作者：王正文; 宋慧慧^*; 樊佳庆; **山

来源：自动化学报, 2023, 49(11): 2386-2395.

DOI：10.16383/j.aas.c210425

• 显著性目标检测
• 混合注意力
• 多层次融合
• 深度学习

在显著性目标检测网络的设计中, U型结构使用广泛.但是在U型结构显著性检测方法中,普遍存在空间位置细节丢失和边缘难以细化的问题,针对这些问题,提出一种基于语义信息引导特征聚合的显著性目标检测网络,通过高效的特征聚合来获得精细的显著性图.该网络由混合注意力模块(Mixing attention module, MAM)、增大感受野模块(Enlarged receptive field module, ERFM)和多层次聚合模块(Multi-level aggregation module, MLAM)三个部分组成.首先,利用增大感受野模块处理特征提取网络提取出的低层特征,使其在保留原有边缘细节的同时增大感受野,以获得更加丰富的空间上/下文信息;然后,利用混合注意力模块处理特征提取网络的最后一层特征,以增强其表征力,并作为解码过程中的语义指导,不断指导特征聚合;最后,多层次聚合模块对来自不同层次的特征进行有效聚合,得到最终精细的显著性图.在6个基准数据集上进行了实验,结果验证了该方法能够有效地定位显著特征,并且对边缘细节的细化也很有效.

• 单位
  南京信息工程大学