计算机科学与探索

作者：王剑哲, 吴秦

单位：1. 江南大学 人工智能与计算机学院，江苏 无锡 2141222. 江南大学 江苏省模式识别与计算智能工程实验室，江苏 无锡 214122

关键词：显著性目标检测,深度学习,坐标注意力,特征金字塔,边界感知

显著性目标检测旨在获取图像中的视觉显著目标，是计算机视觉领域的重要研究内容。相比传统手工提取特征的方法，基于全卷积神经网络的方法已在这一领域展现出强大优势。然而，显著性目标检测仍然存在一些问题。复杂场景下，背景中可能存在一些易被误判为显著目标的噪声，导致检测性能下降。另外，当显著目标轮廓较为复杂时，边界像素点的检测也变得较为困难。为了解决这些问题，提出一种坐标注意力特征金字塔的显著性目标检测算法。采用基于特征金字塔的网络结构，提取显著目标中不同层次的特征，并设计特征细化模块以实现不同层次特征的有效融合。为解决背景误判问题，采用坐标注意力模块，增大显著性区域权重的同时，抑制背景噪声。对于边界复杂问题，设计边界感知损失函数并结合多层次监督方法，帮助网络更加关注边界像素点，生成边界清晰的高质量显著图。在五个常用显著性目标检测数据集上的实验结果表明，该算法在五种评价指标上均取得较优的检测结果。

来源：2023年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第1期