结合双流特征融合及对抗学习的图像显著性检测
为实现图像显著区域或目标的低级特征与语义信息有意义的结合,以获取结构更完整、边界更清晰的显著性检测结果,提出一种结合双流特征融合及对抗学习的彩色图像显著性检测(SaTSAL)算法.首先,以VGG-16和Res2Net-50为双流异构主干网络,实现自底向上、不同级别的特征提取;之后,分别针对每个流结构,将相同级别的特征图送入卷积塔模块,以增强级内特征图的多尺度信息;进一步,采用自顶向下、跨流特征图逐级侧向融合方式生成显著图;最后,在条件生成对抗网络的主体框架下,利用对抗学习提升显著性检测结果与显著目标的结构相似性.以P-R曲线、F-measure、平均绝对误差、S-measure为评价指标,在ECSSD,PASCAL-S,DUT-OMRON以及DUTS-test 4个公开数据集上与其他10种基于深度学习的显著性检测算法的对比实验表明,SaTSAL算法优于其他大部分算法.
显著性检测、双流特征融合、对抗学习、卷积塔、条件生成对抗网络
33
TP391.41(计算技术、计算机技术)
国家自然科学基金青年科学基金;河北省自然科学基金青年科学基金;河北省自然科学基金;河北省教育厅重点基金;2020 年河北师范大学研究生创新资助项目
2021-03-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
376-384