基于金字塔特征与边缘优化的显著性对象检测

• 作者: 田旭 彭飞 刘飞 陈庆文 闫馨宇
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 显著性对象检测 多尺度特征提取 全卷积神经网络 边缘特征提取 深度学习
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 智能信息|Intelligent Information
• 页码范围: 35-43
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6833.2022.02.003

摘要

针对图像显著性对象检测领域中多尺度特征提取不充分、对象边缘模糊等问题,提出了一个端到端的基于注意力嵌入的金字塔特征以及渐进边缘优化的显著性对象检测模型.首先,设计了由多个扩张卷积构成的注意力嵌入的密集空洞金字塔模块(AEDAPM),在不减小特征分辨率的前提下,得到丰富且有效的多级多尺度特征;其次,为了解决显著性对象边缘模糊的问题,提出了渐进边缘优化模块(SE OM),在特征恢复分辨率的过程中逐步补充空间细节信息,使模型检测出的显著对象能够拥有清晰的边缘轮廓.在DUTS-TE、ECSSD、DUT-OMRON、HKU-IS、PASCAL-S 5个显著性领域公开的数据集上与其他12种已有的先进方法在3个常用指标下进行了比较,结果表明:所提方法能够得到更加准确、边缘更加清晰的显著性结果.此外,自对比实验也充分证明了提出的注意力嵌入的密集空洞金字塔模块和渐进边缘优化模块的有效性.