基于多尺度特征解码网络的RGB显著性目标检测

扫码查看

原文链接

万方数据
维普

中文摘要：近年来,基于深度学习的显著性目标检测(SOD)取得了很大进展.目前主流的基于深度学习方法的RGB显著性目标检测,忽略了编码器和解码器之间信息交换,以及不同层级编码器对最终预测图的贡献差异.本文设计了一种基于多尺度特征解码的RGB显著性目标检测网络,通过在编码和解码模块之间增加精炼过渡层和注意力机制,对编码器输出特征进行打磨,以还原更详细的显著性信息.此外,在网络的顶部增加感受野增强模块,以定位不同尺度信息,增强深层特征的全局语义信息,使预测结果更准确.在主流的6个数据集上的测试结果显示,本文的方法优于其他同类算法.

外文标题：RGB Salient Object Detection Based on Multi-scale Feature Decoding Network

作者：

李颖、宋甜、王静

展开 >

作者单位：

四川大学电子信息学院,成都 610065

关键词：

图像处理 RGB显著性目标检测注意力机制多尺度特征

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.01.015