首页|基于全局注意力的多尺度显著性检测网络

基于全局注意力的多尺度显著性检测网络

GLOBAL ATTENTION-BASED MULTI-SCALE SALIENT OBJECT DETECTION NETWORK

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对现有算法的多尺度特征融合效果不理想和全局信息利用不充分的问题,提出一种基于多尺度优化和全局注意力的显著目标检测模型.利用特征增强模块对从骨干网络VGG-16中提取出来的粗糙特征进行增强,提升特征的显著性表达能力,对不同层次特征融合得到高层级和低层级特征;设计全局注意力模块,利用空洞空间卷积池化金字塔ASPP模块提取全局信息,计算特征的通道权重;利用通道权重引导侧输出进行特征学习能力提升,通过逐层连接方式得到最终预测结果.该方法在5个常用的数据集上进行测试,并与9种相关方法进行比较.实验结果表明,该模型鲁棒性更佳、检测性能更好.

叶协康、马晨阳、陈小伟、张晴、林家骏

展开 >

上海应用技术大学计算机科学与信息工程学院 上海201418

华东理工大学信息科学与工程学院 上海200237

显著目标检测 多尺度特征 通道注意力

国家自然科学基金上海市自然科学基金

6180612619ZR1455300

2022

10.3969/j.issn.1000-386x.2022.02.028

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(2)
  • 1