《计算机工程与科学杂志》发表论文赏析

基于多特征融合卷积神经网络的显著性检测

来源:计算机工程与科学杂志2021年第4期北京时间:

作者:赵应丁, 岳星宇, 杨文姬, 张吉昊, 杨红云,

单位:(1.江西农业大学软件学院,江西 南昌 330045;2.江西农业大学计算机与信息工程学院,江西 南昌 330045;3.华中科技大学外国语学院,湖北 武汉 430074;4.江西省高等学校农业信息技术重点实验室,江西 南昌 330045)

摘要:随着深度学习技术的发展以及卷积神经网络在众多计算机视觉任务中的突出表现,基于卷积神经网络的深度显著性检测方法成为显著性检测领域的主流方法。但是,卷积神经网络受卷积核尺寸的限制,在网络底层只能在较小范围内提取特征,不能很好地检测区域内不显著但全局显著的对象;其次,卷积神经网络通过堆叠卷积层的方式可获得图像的全局信息,但在信息由浅向深传递时,会导致信息遗失,同时堆叠太深也会导致网络难以优化。基于此,提出一种基于多特征融合卷积神经网络的显著性检测方法。使用多个局部特征增强模块和全局上下文建模模块对卷积神经网络进行增强,利用局部特征增强模块增大特征提取范围的同时,采用全局上下文建模获得特征图的全局信息,有效地抑制了区域内显著而全局不显著的物体对显著性检测的干扰;能够同时提取多尺度局部特征和全局特征进行显著性检测,有效地提升了检测结果的准确性。最后,通过实验对所提方法的有效性进行验证并和其它11种显著性检测方法进行对比,结果表明所提方法能提升显著性检测结果的准确性且优于参与比较的11种方法。

关键词:显著性检测,多尺度,卷积神经网络,局部特征增强,全局上下文建模,

基金资助:国家自然科学基金(61462038,61562039);江西省教育厅科技计划项目(GJJ190217)

2021年4期其他文献查阅:

实时机模型及时间语义指令集研究

Proto-Perf:快速精确的通用处理器原型系统性能评估方法

基于Soft-NMS的候选框去冗余加速器设计

基于MPI的高精度归约函数设计与实现

基于帧缓冲队列的边缘视频处理加速方法

基于GPU的海量离散点高程并行插值算法

一种多核处理器直连接口QoS的设计与验证

基于FPGA的高效可伸缩的MobileNet加速器实现

基于RMC的蒙特卡罗程序性能优化

基于PCIe的高性能FPGA-GPU-CPU异构编程架构

一种基于参考模型的GPDSP指令流控自动验证方法

基于SIMD的Square Root函数高性能实现与优化

融合文本分布式表示的重复缺陷报告检测

ARM计算环境下堆芯程序的移植

一种基于DBSCAN算法的代码包层次重构改进方法

基于对抗学习和多尺度特征融合的前列腺MR图像分割

基于深度学习和证据理论的表情识别模型

基于路径聚合扩张卷积的图像语义分割方法

基于残差混合扩张卷积的深度编解码人类精子头部分割网络

基于多特征融合卷积神经网络的显著性检测

一种基于主属性判定的关联规则挖掘约简算法

基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用

基于深度学习的集群式供应链应急物资需求预测研究

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!