多尺度Transformer与层次化边界引导的显著性目标检测

来源：计算机应用研究杂志2022年第12期北京时间：

作者：杨世伟,王永雄,兰博天,

单位：上海理工大学光电信息与计算机工程学院,上海200093；

摘要：针对显著性目标检测算法中全局和局部信息难以联合表征和目标边界难以细化的问题，提出了一种多尺度Transformer与层次化边界引导的显著性目标检测算法。首先，构建Transformer模型提取全局信息，同时通过自注意力机制获取有判别性的浅层局部特征，对全局和局部信息进行联合表征。然后，引入Tokens-to-Token方法提取多尺度特征，使模型实现尺度变换平滑的编解码。进一步，提出了一种层次化的边界学习策略，引导模型在每个解码特征层提取精细化的显著性目标边界特征，提升显著性目标边界的预测准确性。实验结果表明，提出的算法在四个公开显著性目标检测数据集上均优于八种主流的显著性目标检测算法，并且通过消融实验验证了提出模型和边界学习策略的有效性。

关键词：显著性目标检测,多尺度特征,层次化边界引导,Transformer,

基金资助：国家自然科学基金资助项目(61673276)；；