典型文献
融合注意力机制的多尺度显著性目标检测网络
文献摘要：
目前大多数显著性目标检测方法会受到图像复杂背景的干扰并且会出现检测结果亮度不均匀、边缘模糊的现象.针对上述问题,提出一种融合注意力机制的多尺度显著性目标检测网络方法.首先,网络以编码器-解码器架构为基础,并采用在编解码过程中连接相邻层特征的多尺度特征融合方法,以便于捕捉到图像中不同尺度的显著性目标;其次,在网络中融合注意力机制,用以关注特征的空间信息和通道信息,目的是得到均匀完整且边缘更加清晰的显著性目标检测结果;最后,在编码器与解码器之间使用一种并行多分支结构即上下文特征提取模块实现不同感受野下的特征提取,进一步提升显著性目标检测性能.实验结果表明,在ECSSD显著性目标检测数据集上检测平均绝对误差MAE和F-measure指标,相较于对比网络至少有10％和0.7％的提高.所提网络不仅能准确定位显著性目标并使其均匀显示,而且在复杂背景下能够精确预测显著性目标边缘.
文献关键词：
显著性目标检测;注意力机制;多尺度特征融合;深度学习;图像处理
中图分类号：
作者姓名：
刘迪;郭继昌;汪昱东;张怡
作者机构：
天津大学 电气自动化与信息工程学院,天津300072
文献出处：
引用格式：
[1]刘迪;郭继昌;汪昱东;张怡-.融合注意力机制的多尺度显著性目标检测网络)[J].西安电子科技大学学报（自然科学版）,2022(04):118-126
A类：
B类：
注意力机制,显著性目标检测,目标检测网络,目标检测方法,法会,复杂背景,亮度,编码器,解码器,在编,编解码,多尺度特征融合,融合方法,捕捉到,不同尺度,空间信息,多分支结构,上下文特征提取,取模,感受野,检测性能,ECSSD,检测数据集,平均绝对误差,MAE,measure,准确定位,精确预测
AB值：
0.28594
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
