多尺度上下文信息增强的显著目标检测全卷积网络
针对目前基于深度学习的显著目标检测算法存在的目标完整性和区域平滑度的不足, 基于非局部深度特征提出一种多尺度上下文信息增强的全卷积网络算法, 包含多级别特征提取、多尺度上下文特征增强、对比度特征提取和局部-全局信息融合预测4个模块. 首先从VGG16模型提取多级别局部特征, 利用多尺度上下文实现特征信息增强; 然后设计组合的损失函数进行网络训练以学习对比度特征; 最后用局部-全局融合的方式实现显著图的预测. 与已有算法在 ECSSD, HKU-IS和 DUT-OMRON数据集上进行实验的结果表明, 该算法在复杂场景图像上的鲁棒性更好, 对背景噪声具有更有效的抑制作用, 得到的显著目标区域更加连续和完整.
显著目标检测、多尺度上下文、全卷积网络、显著图
31
TP391.41(计算技术、计算机技术)
国家自然科学基金61573168;江苏省六大人才高峰资助项目2015-WLW-004
2019-12-04(万方平台首次上网日期,不代表论文的发表时间)
共10页
2007-2016