| 多尺度特征多径自适应复用的显著性目标检测 |
| |
| 引用本文： | 徐温程,周之平,程家睿,盖杉.多尺度特征多径自适应复用的显著性目标检测[J].计算机应用研究,2023,40(2). |
| |
| 作者姓名： | 徐温程 周之平 程家睿 盖杉 |
| |
| 作者单位： | 南昌航空大学 信息工程学院,南昌航空大学 信息工程学院,南昌航空大学 信息工程学院,南昌航空大学 信息工程学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(62061032) |
| |
| 摘 要： | 由于忽略了对多尺度特征的提取，以及不同层次特征之间的差异，显著性目标检测仍然存在预测结构不完整、细节丢失的问题。为了解决这些问题，提出了一个新的显著性检测模型M3Net。该网络主要由多尺度特征自适应融合模块和循环反馈聚合模块组成。多尺度特征自适应融合模块旨在自适应地捕捉和聚合不同层次的多尺度特征。循环反馈聚合模块组成可以在迭代过程中对不同层次的特征聚合的同时，有效地防止特征的稀释。在五个基准数据集上的实验结果表明，该网络在Fβ、Em、MAE三种评价指标上优于十种现有网络。在DUT-OMRON数据集上，Fβ指标比排名第二的显著性检测模型提高了0.4%，Em指标提高了0.3%；在ECSSD数据集上，Fβ指标比排名第二的显著性检测模型提高了0.2%，Em指标提高了0.3%，同时网络还具有优秀的速度表现。
|
| 关 键 词： | 显著性检测 多尺度特征 自适应加权 循环聚合 |
| 收稿时间： | 2022/5/30 0:00:00 |
| 修稿时间： | 2023/1/14 0:00:00 |
Multi-scale feature multi-path adaptive multiplexing for salient object detection |
| |
| Xu Wencheng,Zhou Zhiping,Cheng Jiarui and Gai Shan.Multi-scale feature multi-path adaptive multiplexing for salient object detection[J].Application Research of Computers,2023,40(2). |
| |
| Authors: | Xu Wencheng Zhou Zhiping Cheng Jiarui and Gai Shan |
| |
| Affiliation: | School of Information Engineering,Nanchang Hangkong University,,, |
| |
| Abstract: | |
| |
| Keywords: | saliency detection multi-scale features adaptive weighting recurrent aggregation |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
