.png){kind=icon}
返回
CCINet: A cascaded consensus interaction network for co-saliency object detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.131613.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
协同显著性目标检测模仿人类注意力行为，旨在识别一组相关图像中的共同显著物体。现有方法通常因提取的协同显著性信息缺乏交互而受到影响。因此，检测图往往变得不完整或冗余。在本文中，我们提出了一种级联共识交互网络（CCINet）用于协同显著性目标检测。该网络改进了特征融合与交互，从而充分利用协同显著性信息。在编码阶段，我们引入了边缘语义共识（ESC）模块。它有效地整合了低层和高层编码信息。通过这种方式，它能够捕获精细的边缘细节和丰富的语义信息。同时，ESC模块细化了协同显著性特征，增强了协同显著性区域的检测。在升采样阶段，级联上下文聚合（CCA）模块采用注意力机制、自适应池化和分离式空洞卷积进行综合特征提取。这种方法有效降低了背景噪声并控制了参数数量。大量实验表明，我们的模型在三个最流行的基准数据集上优于近年来的许多优秀CoSOD方法。源代码可获取于：https://github.com/JoeLAL24/CCINet.git。
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
暂无论文信息