%0 Journal Article %T 基于深度残差网络与边缘监督学习的显著性检测 %O Laser & Optoelectronics Progress %A 时斐斐 %A 张松龙 %A 彭力 %J 激光与光电子学进展 %@ 1006-4125 %V 56 %N 15 %D 2019 %P 151502-1 %K 机器视觉;显著性检测;边缘残差块;三分类模型;多尺度空洞卷积 %X 针对复杂背景下,图像显著区域显著值低和目标边缘表现模糊的问题,提出了基于深度残差网络和多尺度边缘残差学习的显著性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显著图边缘监督学习;另一方面,通过构建基于背景、前景和边缘的三分类模型,训练网络学习边缘特征,使目标边缘更加准确,同时输出采用空洞卷积构建多尺度空洞卷积单元,多尺度地对全局信息进行特征整合提取。最后,将提出的算法在数据集SED2和ECSSD上进行模型简化测试,使用公认评价指标对所提算法和当前多种算法进行评价。实验结果表明,该方法的准确率和召回率更高,对显著目标保持了良好的完整性,且在边缘轮廓区域更好地区分了显著目标与背景。 %R 10.3788/LOP56.151502 %U http://www.opticsjournal.net/Articles/Abstract?aid=OJa1ec36d6dc5766c6 %W 中国光学期刊网 %1 JIS Version 3.0.0