基于全局注意力的多尺度显著性检测网络OA北大核心CSTPCD
GLOBAL ATTENTION-BASED MULTI-SCALE SALIENT OBJECT DETECTION NETWORK
针对现有算法的多尺度特征融合效果不理想和全局信息利用不充分的问题,提出一种基于多尺度优化和全局注意力的显著目标检测模型.利用特征增强模块对从骨干网络VGG-16中提取出来的粗糙特征进行增强,提升特征的显著性表达能力,对不同层次特征融合得到高层级和低层级特征;设计全局注意力模块,利用空洞空间卷积池化金字塔ASPP模块提取全局信息,计算特征的通道权重;利用通道权重引导侧输出进行特征学习能力提升,通过逐层连接方式得到最终预测结果.该方法在5个常用的数据…查看全部>>
叶协康;马晨阳;陈小伟;张晴;林家骏
上海应用技术大学计算机科学与信息工程学院 上海201418上海应用技术大学计算机科学与信息工程学院 上海201418上海应用技术大学计算机科学与信息工程学院 上海201418上海应用技术大学计算机科学与信息工程学院 上海201418华东理工大学信息科学与工程学院 上海200237
信息技术与安全科学
显著目标检测多尺度特征通道注意力
《计算机应用与软件》 2022 (2)
无约束场景中实例级显著目标检测与分割算法研究
167-173,7
国家自然科学基金项目(61806126)上海市自然科学基金项目(19ZR1455300).
评论