首页 > 论文 > 激光与光电子学进展 > 56卷 > 07期(pp:071501)

基于级联全卷积神经网络的显著性检测

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对当前基于深度学习的显著性检测算法检测出的显著对象混杂背景噪声和边缘区域模糊的问题,提出了一种级联全卷积神经网络的显著性检测方法。本文主要由两层级联的全卷积神经网络组成,第一阶段构建了一个编码-解码架构的全卷积神经网络,在编码网络中引入一个金字塔模块获取不同区域的全局信息,抑制背景噪声的干扰。第二阶段设计了边缘检测网络,通过提取网络的局部语义信息,学习显著区域的边缘信息。最后,通过融合两个阶段显著图得到边界精确的显著图。实验结果表明,该方法在ECSSD数据库和SED2数据库上具有较高的准确率、召回率和较低的平均绝对误差,为目标识别、机器视觉等应用提供更可靠的预处理结果。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.071501

作者单位:

    江南大学
    江南大学

引用该论文

张松龙,谢林. 基于级联全卷积神经网络的显著性检测[J].激光与光电子学进展,2019,56(07):071501.