摘要:近年来,显著性目标检测技术取得了巨大进展,其中如何选择并有效集成多尺度特征扮演了重要角色。针对现有特征集成方法可能导致的信息冗余问题,提出了一种基于特征注意力提纯的显著性检测模型。首先,在解码器中采用一个全局特征注意力引导模块(GAGM)对带有语义信息的深层特征进行注意力机制处理,得到全局上下文信息;然后,通过全局引导流将其送入解码器各层进行监督训练;最后,利用多尺度特征融合模块(FAM)对编码器提取出的多尺度特征与全局上下文信息进行有效集成,并在网格状特征提纯模块(MFPM)中进行进一步细化,以生成清晰、完整的显著图。在5个公开数据集上进行实验,结果表明,所提模型优于现有的其他显著性检测方法,并且处理速度快,当处理 320 × 320 尺寸的图像时,能以 30帧以上的速度运行。
中图分类号:
白雪飞, 申悟呈, 王文剑.基于特征注意力提纯的显著性目标检测模型[J] ●●●●。计算机科学, 2024, 51(5): 125-133. https://doi.org/10.11896/jsjkx.230300018
白雪飞、沈武成、王文健。基于特征注意净化的显著目标检测[J] ●●●●。计算机科学,2024,51(5):125-133。https://doi.org/10.11896/jsjkx.230300018