首页|结合语义辅助和边缘特征的显著对象检测

结合语义辅助和边缘特征的显著对象检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 现有的显著对象检测模型能够很好地定位显著对象,但是在获得完整均匀的对象和保留清晰边缘的任务上存在不足.为了得到整体均匀和边缘清晰的显著对象,本文提出了结合语义辅助和边缘特征的显著对象检测模型.方法 模型利用设计的语义辅助特征融合模块优化骨干网的侧向输出特征,每层特征通过语义辅助选择性融合相邻的低层特征,获得足够的结构信息并增强显著区域的特征强度,进而检测出整体均匀的显著对象.通过设计的边缘分支网络以及显著对象特征得到精确的边缘特征,将边缘特征融合到显著对象特征中,加强特征中显著对象边缘区域的可区分性,以便检测出清晰的边缘.同时,本文设计了一个双向多尺度模块来提取网络中的多尺度信息.结果 在 4 种常用的数据集 ECSSD(extended complex scene saliency dataset)、DUT-O(Dalian Univer-sity of Technology and OMRON Corporation)、HKU-IS和DUTS上与12种较流行的显著模型进行比较,本文模型的最大 F 值度量(max F-measure,MaxF)和平均绝对误差(mean absolution error,MAE)分别是 0.940、0.795、0.929、0.870和0.041、0.057、0.034、0.043.从实验结果看,本文方法得到的显著图更接近真值图,在MaxF和MAE上取得最佳性能的次数多于其他12种方法.结论 本文提出的结合语义辅助和边缘特征的显著对象检测模型十分有效.语义辅助特征融合和边缘特征的引入使检测出的显著对象更为完整均匀,对象的边缘区分性也更强,多尺度特征提取进一步改善了显著对象的检测效果.
Semantic assistance and edge feature based salient object detection

代胜选、许林峰、刘芳瑜、贺斌

展开 >

电子科技大学信息与通信工程学院,成都 611731

显著对象检测 全卷积神经网络 语义辅助 边缘特征融合 多尺度提取

620710862021YFG0296

2022

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2022.27(11)
  • 2