Attention Res-Unet:一种高效阴影检测算法

作     者：董月 冯华君 徐之海 陈跃庭 李奇 DONG Yue;FENG Hua-jun;XU Zhi-hai;CHEN Yue-ting;LI Qi

作者机构：浙江大学现代光学仪器国家重点实验室浙江杭州310027 

基　　金：国防科技创新特区资助项目 浙江省科技计划资助项目(2017C01033) 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2019年第53卷第2期

页      码：373-381,406页

摘      要：图像中阴影像素的存在会导致图像内容的不确定性,对计算机视觉任务有害,因此常将阴影检测作为计算机视觉算法的预处理步骤.提出全新的阴影检测网络结构,通过结合输入图像中包含的语义信息和像素之间的关联,提升网络性能.使用预训练后的深层网络ResNeXt101作为特征提取前端,提取图像的语义信息,并结合U-net的设计思路,搭建网络结构,完成特征层的上采样过程.在输出层之前使用非局部操作,为每一个像素提供全局信息,建立像素与像素之间的联系.设计注意力生成模块和注意力融合模块,进一步提高检测准确率.分别在SBU、UCF这2个阴影检测数据集上进行验证,实验结果表明,所提方法的目视效果及客观指标皆优于此前最优方法所得结果,在2个数据集上的平均检测错误率分别降低14.4%和14.9%.

主 题 词：阴影检测 特征提取 语义信息 像素关联 非局部操作 注意力机制 卷积神经网络(CNN) 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3785/j.issn.1008-973X.2019.02.021

馆 藏 号：203459468...