A salient object detection model based on feature attention refinement

doi:10.1080/09540091.2026.2741505

A salient object detection model based on feature attention refinement

2026-10-05

0

OA

AI

DOI：10.1080/09540091.2026.2741505

原文链接

原文求助

摘要

En 中文

近年来，显著目标检测算法取得了显著进展，其中多尺度特征的选择和适当融合至关重要。本文提出了一种利用特征注意力精炼的显著目标识别模型，以缓解当前特征融合方法中的信息冗余问题。首先在解码器中使用语义注意力传播模块（SAPM），通过注意力机制分析富含语义信息的深层特征，从而获取全局上下文知识。随后，该信息通过全局导向流输入解码器的每一层进行监督训练。采用上下文特征融合模块（CFIM）高效结合编码器提取的多尺度特征与全局上下文信息，再通过逐层特征精炼模块（LFRM）进行精炼，生成清晰且全面的显著图。在五个公开数据集上的实验表明，AstraNet在与评估的显著目标检测方法相比达到竞争性性能的同时，保持了实时效率。对于尺寸为320×320的输入图像，完整的AstraNet实现35帧每秒（FPS）的推理速度。

Keyword:

Salient object detection

attention mechanism

contextual feature integration

feature selection

layer-wise feature refinement

A salient object detection model based on feature attention refinement

摘要

期刊

机构

引用论文