摘要
随着图像数据的爆炸性增长,图像处理变得越来越重要.显著性目标检测是图像处理的重要研究方向之一,目前已采用多种研究方法进行显著性目标检测,但是传统的显著性检测方法所使用的低级特征对于复杂场景并不健壮.全卷积神经网络在图像处理中表现出良好的性能,但存在目标显著性检测边界模糊等不足.为解决边界模糊等问题,该模型采用了一种具有跳跃连接的全卷积神经网络,以及5个不同膨胀率的空洞卷积按照一定规则组成的ESP模块,在全卷积神经网络的基础上采用ESP模块和不同的跳跃连接方式,以获取更多的低级特征来精确多目标显著对象的边界.实验中运用MIT Scene Parsing数据集训练和测试模型,通过与相关模型在精度和MIOU上的比较结果表明,在保证模型的处理时间未增加的同时,经过改进的全卷积神经网络的检测具有更高的准确度以及更精确的边界信息.
国家科技期刊平台
NSTL
维普
万方数据