| 基于注意力机制的显著性目标检测方法 |
| |
| 引用本文： | 王凯诚1,2,鲁华祥1,3,4,龚国良1,陈刚1. 基于注意力机制的显著性目标检测方法[J]. 智能系统学报, 2020, 15(5): 956-963. DOI: 10.11992/tis.201903001 |
| |
| 作者姓名： | 王凯诚1 2 鲁华祥1 3 4 龚国良1 陈刚1 |
| |
| 作者单位： | 1. 中国科学院 半导体研究所，北京 100083;2. 中国科学院大学 未来技术学院，北京 100089;3. 中国科学院 脑科学与智能技术卓越创新中心，上海 200031;4. 半导体神经网络智能感知与计算技术北京市重点实验室，北京 100083 |
| |
| 摘 要： | 针对目前主流的基于全卷积神经网络的显著性目标检测方法，受限于卷积层感受野大小，低层特征缺少全局性的信息，而高层特征由于多次池化操作分辨率较低，无法准确地预测目标边缘等细节的问题，本文提出了基于注意力的显著性目标检测方法。在ResNet-50网络中加入注意力精炼模块，利用训练样本的显著真值图对空间注意力进行有监督的学习，使得不同像素位置的相关性更准确。通过深度融合多尺度的特征，用低层特征优化高层特征，精修网络的预测结果使其更加准确。在DUT-OMRON和ECSSD数据集上的测试结果显示，本文方法能显著提升检测效果，F-measure和平均绝对误差都优于其他同类方法。
|
| 关 键 词： | 显著性目标检测 深度学习 全卷积神经网络 视觉注意力 多尺度特征 图像处理 人工智能 计算机视觉 |
Salient object detection method based on the attention mechanism |
| |
| WANG Kaicheng1,2,LU Huaxiang1,3,4,GONG Guoliang1,CHEN Gang1. Salient object detection method based on the attention mechanism[J]. CAAL Transactions on Intelligent Systems, 2020, 15(5): 956-963. DOI: 10.11992/tis.201903001 |
| |
| Authors: | WANG Kaicheng1 2 LU Huaxiang1 3 4 GONG Guoliang1 CHEN Gang1 |
| |
| Affiliation: | 1. Institute of Semiconductors, Chinese Academy of Sciences, Beijing 100083, China;2. School of Future Technology, University of Chinese Academy of Sciences, Beijing 100089, China;3. Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences, Shanghai 200031, China;4. Semiconductor Neural Network Intelligent Perception and Computing Technology Beijing Key Lab, Beijing 100083, China |
| |
| Abstract: | |
| |
| Keywords: | salient object detection deep learning fully convolutional neural network visual attention multi-scale features image processing artificial intelligence computer vision |
|
| 点击此处可从《智能系统学报》浏览原始摘要信息 |
|
点击此处可从《智能系统学报》下载免费的PDF全文 |
|
