首页 > 论文 > 激光与光电子学进展 > 56卷 > 15期(pp:151502)

基于深度残差网络与边缘监督学习的显著性检测

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对复杂背景下,显著区域显著值低和目标边缘表现模糊这一问题,本文提出了基于深度残差网络和多尺度边缘残差学习的显著性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显著图边缘监督学习;另一方面通过构建基于背景、前景和边缘三分类模型,训练网络学习边缘特征使得目标边缘更加准确,同时输出采用空洞卷积构建多尺度空洞卷积单元,多尺度地从全局信息进行特征整合提取。最后将提出的算法在SED2和ECSSD两个数据集上进行模型简化测试,且与当前多种算法使用公认评价指标进行评价。实验结果表明,该方法对比表现出更高的准确率、召回率,对显著目标保持了良好的完整性且在边缘轮廓区域更好地区分了显著目标与背景。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.151502

作者单位:

    江南大学
    江南大学
    江南大学

引用该论文

时斐斐,张松龙,彭. 基于深度残差网络与边缘监督学习的显著性检测[J].激光与光电子学进展,2019,56(15):151502.