统一分级图神经网络的协同显著性检测方法

摘要：

协同显著性检测指从一组相关图像集中识别出共同出现且显著的物体,其难点是如何挖掘与利用图像帧内、帧间的显著性线索.文中提出一种统一分级图神经网络的协同显著性检测方法.首先利用超像素分割算法将图像分割,并提取图像帧内分级显著性特征构建图模型;然后挖掘图像帧间分级显著性图嵌入,形成统一的二维分级特征体系;最后充分利用图像帧内和图像帧间的线索,提出几何注意力模块.在iCoSeg数据集上的消融实验结果表明,所提出的统一分级图神经网络中各个模块均是有效的;所提方法基于 iCoSeg 数据集测试的最大F-measure、平均绝对误差以及S-measure分别为 0.8486,0.1076 和 0.8134,可以媲美或优于其他 9 种对比方法,最终获得的显著性图的高亮一致性和边缘均得到明显的改善.

关键词：协同显著性检测、图神经网络、分级特征、注意力机制

所属期刊栏目：35

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;国家自然科学基金;黑龙江省自然科学基金优秀青年项目

在线出版日期：2023-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1010-1019