结合双流特征融合及对抗学习的图像显著性检测

作     者：张艺涵 张朝晖 霍丽娜 解滨 王秀青 Zhang Yihan;Zhang Zhaohui;Huo Lina;Xie Bin;Wang Xiuqing

作者机构：河北师范大学计算机与网络空间安全学院石家庄050024 河北省供应链大数据分析与数据安全工程研究中心石家庄050024 河北师范大学河北省网络与信息安全重点实验室石家庄050024 

基　　金：国家自然科学基金青年科学基金(61702158) 河北省自然科学基金青年科学基金(F2018205137) 河北省自然科学基金(F2018205102) 河北省教育厅重点基金(ZD2020317) 2020年河北师范大学研究生创新资助项目(CXZZSS2020070) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2021年第33卷第3期

页      码：376-384页

摘      要：为实现图像显著区域或目标的低级特征与语义信息有意义的结合,以获取结构更完整、边界更清晰的显著性检测结果,提出一种结合双流特征融合及对抗学习的彩色图像显著性检测(SaTSAL)算法.首先,以VGG-16和Res2Net-50为双流异构主干网络,实现自底向上、不同级别的特征提取;之后,分别针对每个流结构,将相同级别的特征图送入卷积塔模块,以增强级内特征图的多尺度信息;进一步,采用自顶向下、跨流特征图逐级侧向融合方式生成显著图;最后,在条件生成对抗网络的主体框架下,利用对抗学习提升显著性检测结果与显著目标的结构相似性.以P-R曲线、F-measure、平均绝对误差、S-measure为评价指标,在ECSSD,PASCAL-S,DUT-OMRON以及DUTS-test 4个公开数据集上与其他10种基于深度学习的显著性检测算法的对比实验表明,SaTSAL算法优于其他大部分算法.

主 题 词：显著性检测 双流特征融合 对抗学习 卷积塔 条件生成对抗网络 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2021.18438

馆 藏 号：203102583...