基于边缘及多尺度特征融合的显著性目标检测方法

占钟鸣; 李庆武; 余大兵; 赵乙新

doi:10.13741/j.cnki.11-1879/o4.2024.05.013

您当前的位置：

首页 >

文章列表页 >

基于边缘及多尺度特征融合的显著性目标检测方法

光学传感与检测 | 更新时间：2025-09-01

- 基于边缘及多尺度特征融合的显著性目标检测方法
- Salient object detection method based on edge and multi-scale feature fusion
- 光学技术 2024年50卷第5期页码：606-612
- 作者机构：
  
  1:河海大学信息科学与工程学院智能视觉感知实验室
- 作者简介：
- 基金信息：
  
  数字孪生胶东调水先行先试项目EPC-视频智能识别模型(SDSS-RJCG-202310)
- DOI：10.13741/j.cnki.11-1879/o4.2024.05.013
  中图分类号： TP391.41
- 纸质出版：2024
- 稿件说明：
移动端阅览
占钟鸣, 李庆武, 余大兵, 等. 基于边缘及多尺度特征融合的显著性目标检测方法[J]. 光学技术, 2024,50(5):606-612.

Salient object detection method based on edge and multi-scale feature fusion[J]. 2024, 50(5): 606-612.
占钟鸣, 李庆武, 余大兵, 等. 基于边缘及多尺度特征融合的显著性目标检测方法[J]. 光学技术, 2024,50(5):606-612. DOI： 10.13741/j.cnki.11-1879/o4.2024.05.013.

Salient object detection method based on edge and multi-scale feature fusion[J]. 2024, 50(5): 606-612. DOI： 10.13741/j.cnki.11-1879/o4.2024.05.013.

摘要

为了提高显著性目标分割的准确性，提出了一种基于边缘及多尺度特征融合的显著性目标检测方法。该方法首先利用ResNet50网络提取特征，并结合改进的空间注意力模块以增强目标特征的表征能力。接着，提出一种全新的边缘及多尺度特征融合模块，有机结合边缘信息与多尺度特征信息，并设计了一个综合考虑了显著性目标主体分割和边缘分割的损失函数，对特征融合模块进行有效监督，保证了模型在训练过程中会同时关注显著性目标主体和边缘的细节信息，以提高显著性目标的主体和边缘清晰度。最后，创新性地引入上下文增强模块，有效减少深度学习网络中多次上、下采样过程中信息的丢失，从而提高显著性目标主体和边缘的准确性。通过在3个公开数据集上与近几年的8个主流算法相比较，该方法在定量结果和定性结果上均优于其他算法，验证了该方法的有效性和优越性。

Abstract

关键词

Keywords

references

浏览量

215

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于长短期记忆网络与特征融合的微表情识别算法

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

基于DSA-BCNN的毫米波图像隐藏物检测

基于改进Faster-RCNN的偏光片表面缺陷检测