计算机科学››2024,第51卷››问题(5): 125-133.数字对象标识:10.11896/jsjkx.230300018
•计算机图形和多媒体• 以前的文章 下一篇文章
白雪飞1、沈武成1,王文健1, 2
收到:
修订过的:
在线:
出版:
关于作者:
支持单位:
摘要:近年来,显著目标检测技术取得了很大进展,如何选择和有效集成多尺度特征起着重要作用。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细化的显著性检测模型。首先,在解码器中,使用全局特征注意力引导模块(GAGM)通过注意力机制处理带有语义信息的深层特征,以获取全局上下文信息,然后通过全局引导流序列将这些信息发送到解码器的每个层进行监督。然后使用多尺度特征聚合模块(FAM)将编码器提取的多尺度特征与全局上下文信息有效集成,并在网格特征净化模块(MFPM)中进一步细化,以生成清晰完整的显著特征。在5个公共数据集上的实验结果表明,该模型优于现有的其他显著性目标检测方法。此外,我们的方法的处理速度也很快,在处理320×320图像时可以以30 FPS以上的速度运行。
关键词: 突出物体检测, 注意机制, 多尺度特征融合, 特征选择, 网格特征净化
CLC编号:
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。
0 / / 推荐
添加到引文管理器 尾注|样板客户经理|ProCite公司|BibTeX公司|参考Works
网址: https://www.jsjkx.com/EN/10.11896/jsjkx-230300018
https://www.jsjkx.com/EN/Y2024/V51/I5/125
引用