边缘信息增强的显著性目标检测网络

作     者：赵卫东 王辉 柳先辉 ZHAO Weidong;WANG Hui;LIU Xianhui

作者机构：同济大学电子与信息工程学院上海201804 

出 版 物：《同济大学学报（自然科学版）》 (Journal of Tongji University:Natural Science)

年 卷 期：2024年第52卷第2期

页      面：293-302页

核心收录：

学科分类：0710[理学-生物学] 1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0836[工学-生物工程] 081101[工学-控制理论与控制工程] 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：上海市科技计划项目(20DZ2281000) 

主　　题：显著性目标检测 注意力机制 边缘检测 深度卷积神经网络 

摘      要：针对显著性目标检测任务中识别结果边缘模糊的问题,提出了一种能够充分利用边缘信息增强边缘像素置信度的新模型。该网络主要有两个创新点:设计三重注意力模块,利用预测图的特点直接生成前景、背景和边缘注意力,并且生成注意力权重的过程不增加任何参数;设计边缘预测模块,在分辨率较高的网络浅层进行有监督的边缘预测,并与网络深层的显著图预测融合,细化了边缘。在6种常用公开数据集上用定性和定量的方法评估了该模型,并且与其他模型进行充分对比,证明设计的新模型能够取得最优的效果。此外,该模型参数量为30.28 M,可以在GTX 1080 Ti显卡上达到31帧·s^(-1)的预测速度。