基于深度残差网络与边缘监督学习的显著性检测

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的问题,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、前景和边缘的三分类模型,训练网络学习边缘特征,使目标边缘更加准确,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,将提出的算法在数据集SED2和ECSSD上进行模型简化测试,使用公认评价指标对所提算法和当前多种算法进行评价.实验结果表明,该方法的准确率和召回率更高,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.

关键词：机器视觉、显著性检测、边缘残差块、三分类模型、多尺度空洞卷积

所属期刊栏目：56

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重点研发计划;教育部-中国移动科研基金

在线出版日期：2019-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：136-144