基于改进F3Net网络的显著性目标检测

• 作者: 王元东 杜宇人
• 来源期刊: 扬州大学学报（自然科学版）
• 学科: 工学
• 关键词: 显著性物体 目标检测 F3Net网络 锥体卷积 感受野模块
• 年，卷（期）: 2021,（5）
• 页码范围: 65-70
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19411/j.1007-824x.2021.05.012

摘要

针对F3Net网络中因特征抽取导致的空间分辨率损失问题,采用一种锥体卷积和感受野模块相结合的方法,有效减少空间分辨率的损失.该方法中锥体卷积能够以不同深度或大小的卷积核并行处理输入图像,从而考虑不同级别空间的上下文依赖关系.此外,编码器提取的最高层特征在通过感受野模块后可以捕获更多的目标细节.实验结果表明,改进后的F3Net网络生成的图像质量明显提高,检测性能得到改善.