基于残差结构的GAN网络的显著性预测研究

作     者：赖远哲 陈向阳 李旭东 付星堡 曹倩倩 LAI Yuanzhe;CHEN Xiangyang;LI Xudong;FU Xinbao;CAO Qianqian

作者机构：武汉工程大学计算机科学与工程学院湖北武汉430205 武汉工程大学智能机器人湖北省重点实验室湖北武汉430205 

出 版 物：《微电子学与计算机》 (Microelectronics & Computer)

年 卷 期：2021年第38卷第8期

页      面：95-100页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：武汉工程大学教育创新基金(CX2019234) 

主　　题：视觉显著性 生成对抗网络 残差结构 交叉熵 

摘      要：优化了简单生成对抗网络结构,用于更有效的通过对抗性实例训练得到视觉显着性图,减少假阳性产生和提高显著性.网络模型仍遵循传统生成对抗网络结构,第一阶段是由一个使用残差结构建的生成器组成,该模型的权值由显著图的下采样版本的二分类交叉熵损失(BCE)的反向传播计算得到的,训练得到更有效的显著图.预测结果由受训练的判别器网络进行生成阶段生成的显著图与真值图之间的二值分类处理.实验展示了改进生成对抗网络中的生成器的预测显著图的能力对整个网络性能提升,相较于其他显著图预测模型也有一定领先.