基于全局响应的多级融合监督显著性目标检测

来源：计算机工程与应用杂志2023年第24期北京时间：

作者：陈慧, 彭力

单位：1.江南大学 物联网工程学院，江苏 无锡 214122；2.无锡职业技术学院 物联网技术学院 江苏 无锡 214121

摘要：显著性目标检测是自主寻找图像视频中最具显著性物体的过程。针对目前常见的尺度变化和背景误判等问题，现有的显著性目标检测方法主要从特征融合、注意力机制和深度监督等角度进行优化以提高网络的检测能力。所提的基于全局响应的多级融合算法基于以上优化方向，主要通过轮廓信息与高级语义交融学习、补充目标结构特征以及抑制预测噪声来增强网络对显著目标的表征能力，同时提高了网络对目标尺度变化的感知能力以及对显著特征的敏感度。全局响应模块的构建强调了图像的全局特性，计算和判断了图像在空间和通道的响应值和不同位置的显著性，此举有效滤除了浅层背景噪声，使网络更快地锁定显著区域，提高学习效率。在通用指标上，实验数据表明了所提算法的优越性和高效性。

关键词：显著性目标检测,深度学习,卷积神经网络,特征融合,注意力机制