结合边缘特征先验引导的深度卷积显著性检测

• 作者: 张松龙 彭力 时斐斐
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 显著性检测 全卷积网络 先验信息引导 循环卷积优化
• 年，卷（期）: 2020,（14）
• 所属期刊栏目: 图形图像处理
• 页码范围: 199-206
• 页数: 8页
• 分类号: TP391.41
• 字数: 6578字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1906-0357

摘要

针对当前基于深度学习的显著性检测算法缺少利用先验特征和边缘信息,且在复杂场景中难以检测出鲁棒性强的显著性区域的问题,提出了一种结合边缘特征,利用先验信息引导的全卷积神经网络显著性检测算法.该算法利用三种被经常用到的先验知识结合边缘信息形成先验图,通过注意力机制将提取的先验特征与深度特征有效融合,最终通过提出的循环卷积反馈优化策略迭代地学习改进显著性区域,从而产生更可靠的最终显著图预测.经过实验定性定量分析,对比证明了算法的可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭力	江南大学物联网工程学院物联网技术应用教育部工程研究中心	148	814	15.0	21.0
2	张松龙	江南大学物联网工程学院物联网技术应用教育部工程研究中心	4	4	1.0	2.0
3	时斐斐	江南大学物联网工程学院物联网技术应用教育部工程研究中心	1	0	0.0	0.0