双特征流融合和边界感知的显著性目标检测

• Published in: 计算机工程与应用 Vol. 60; no. 10; pp. 227 - 236
• Main Authors: 杨鑫, 朱恒亮, 毛国君
• Format: Journal Article
• Language: Chinese
• Published: 福建工程学院 计算机科学与数学学院,福州 350118%福建工程学院 计算机科学与数学学院,福州 350118 10.05.2024; 福建工程学院 福建省大数据挖掘与应用技术重点实验室,福州 350118
• Subjects: 边界感知; 全卷积神经网络; full convolutional neural network; dual-stream fusion; 多尺度学习; 双特征流融合; edge-aware; multi-scale learning; 显著性目标检测; salient object detection
• ISSN: 1002-8331
• DOI: 10.3778/j.issn.1002-8331.2301-0234

TP391; 显著性目标检测是计算机视觉领域的热门研究方向之一,许多基于深度学习的检测算法虽然已经取得了显著的成果,但是仍然存在待测目标漏检误检和边界模糊等问题.针对这些问题提出了一种基于双特征流融合和边界感知的目标检测算法,通过改变输入图像尺寸来丰富多尺度信息,并自顶向下逐层聚合特征得到精细的预测结果.首先将输入图像调整为两种不同分辨率分别送入编码器,提取丰富的多层级特征形成双特征流;其次将双特征流自顶向下逐层融合,生成由粗到细的显著图;最后构建了边界感知结构,凭借上下文语义信息的指导生成精细的物体轮廓.在五个公开数据集上进行了大量实验,实验结果表明,所提算法在结构相似性(Sm)等多个指标上取得了更高的检测精度,生成的显著图目标完整且边缘清晰.