典型文献
高效通道注意力和特征融合的协同显著性检测算法
文献摘要：
针对现有的协同显著性检测算法在多显著目标复杂场景下表现不佳的问题,提出了一种基于高效通道注意力和特征融合的协同显著性检测算法.首先,检测算法利用预训练的深度卷积神经网络对场景进行多尺度特征的提取,结合边缘显著信息设计了显著性语义特征提取模块,以避免全卷积神经网络导致边缘信息的缺失;其次,通过内积基本原理得到组内图片间的关联性信息并根据其关联程度进行自适应加权,结合高效通道注意力层设计了协同特征提取算法;最后,为了将各级高层语义特征经过协同显著性特征提取之后的结果与浅层次的特征进行融合,并实现对预测结果进行多分支同步监督,设计了基于高效通道注意力的特征融合模块.通过对3个经典的数据集进行测试,并与6种现有的协同显著检测算法进行对比,结果表明本文所提算法提高了复杂场景中图像的协同显著性检测的精度以及边缘信息的丰富程度,并具有更优的协同显著性信息检测性能;通过消融实验进一步验证了所提设计算法各个模块的有效性和必要性.
文献关键词：
深度卷积神经网络;协同显著性检测;多尺度特征;特征提取;特征融合;注意力机制
中图分类号：
作者姓名：
张德华;李俊豪;张静凯;肖启阳
作者机构：
河南大学 人工智能学院,郑州450046;河南大学 迈阿密学院,河南 开封475004
文献出处：
引用格式：
[1]张德华;李俊豪;张静凯;肖启阳-.高效通道注意力和特征融合的协同显著性检测算法)[J].哈尔滨工业大学学报,2022(11):103-111
A类：
协同显著性检测
B类：
高效通道注意力,检测算法,显著目标,复杂场景,法利,预训练,深度卷积神经网络,多尺度特征,特征的提取,信息设计,语义特征,取模,全卷积神经网络,边缘信息,内积,理得,内图,关联程度,自适应加权,注意力层,特征提取算法,显著性特征提取,多分支,同步监督,特征融合模块,中图,丰富程度,显著性信息,信息检测,检测性能,消融实验,计算法,注意力机制
AB值：
0.294641
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。
