avatar avatar 我的文献 基于深度残差网络与边缘监督学习的显著性检测 单位 江南大学物联网工程学院物联网应用技术教育部工程中心 期刊 激光与光电子学进展 时间 关键词 显著性检测; 边缘残差块; 三分类模型; 多尺度空洞卷积
摘要
针对复杂背景下,图像显著区域显著值低和目标边缘表现模糊这一问题,本文提出了基于深度残差网络和多尺度边缘残差学习的显著性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显著图边缘监督学习;另一方面通过构建基于背景、前景和边缘三分类模型,训练网络学习边缘特征使得目标边缘更加准确,同时输出采用空洞卷积构建多尺度空洞卷积单元,多尺度地对全局信息进行特征整合提取。最后将提出的算法在SED2和ECSSD(Extended Complex Scene Saliency Dataset)两个数据集上进行模型简化测试,且与当前多种算法使用公认评价指标进行评价。实验结果表明,该方法对比表现出更高的准确率、召回率,对显著目标保持了良好的完整性且在边缘轮廓区域更好地区分了显著目标与背景。
下载 浏览 cnki {{liketext}}
©2019 - iData {{ message }} 关闭