典型文献
基于多尺度特征解码网络的RGB显著性目标检测
文献摘要：
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.
文献关键词：
图像处理;RGB显著性目标检测;注意力机制;多尺度特征
中图分类号：
作者姓名：
李颖;宋甜;王静
作者机构：
四川大学电子信息学院,成都 610065
文献出处：
引用格式：
[1]李颖;宋甜;王静-.基于多尺度特征解码网络的RGB显著性目标检测)[J].现代计算机,2022(01):83-89
A类：
B类：
多尺度特征,征解,RGB,显著性目标检测,深度学习方法,编码器,解码器,信息交换,目标检测网络,在编,精炼,过渡层,注意力机制,打磨,显著性信息,感受野增强,以定,不同尺度,尺度信息,深层特征,全局语义信息
AB值：
0.307896
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。
