1
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、边界更淸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Res 2net-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人卷积塔模块,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PR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-test4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工算法优于其他大部分算法。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !