复杂场景下显著性目标检测注意力金字塔网络

摘要：

近年来,深度卷积神经网络在显著性目标检测中得到广泛关注和研究,并取得了重要进展.但当显著性目标处于复杂背景中时,当前算法的性能仍有待提高.提出一种利用边界感知和注意力机制的金字塔池化网络(attention-based boundary-aware pyramid pooling network,ABAPNet),用于复杂场景下的显著性目标检测.ABAPNet通过引入级联式通道注意力和空间注意力机制,采用特征金字塔网络架构获取多层次的语义特征,以高层特征信息来辅助浅层特征;再通过融合二进制交叉熵、结构相似性和联合交集的混合损失函数,可增强获取重要语义特征并且关注目标边界特征,从而引导网络从复杂背景中更好地检测目标.在5个公开数据集上的实验表明,ABAPNet在多个评价指标上均优于比较算法,达到最优性能.

关键词：显著性目标检测、注意力机制、深度学习、金字塔池化、边界感知

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：福建省自然科学基金面上项目;福建省自然科学基金面上项目;国家自然科学基金;厦门大学福建省等离子体与磁共振研究重点实验室开放课题项目

在线出版日期：2023-11-27（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：259-267