.png){kind=icon}
返回
Multi-scale attention-edge interactive refinement network for salient object detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.127056.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为改进基于全卷积神经网络（FCNs）的显著目标检测（SOD），注意力和边缘感知机制已被分别用作多级特征细化的辅助机制。然而，性能优势在不同数据集上并未表现出一致性，因为每种机制均存在固有局限性，意味着在特征细化过程中缺少注意力或边缘感知会导致预测不准确或边界模糊。这一现象促成了新模型的开发，以实现注意力和边缘的紧密交互，从而形成了本文提出的“多尺度注意-边缘交互细化网络”（MAIRN）。所提模型包含两个交互子网络，旨在实现显著的SOD和显著边缘检测（SED），每个子网络由多个交互式细化模块串联构成，其中SOD子网络采用为该子网络提出的“多尺度注意细化”（MSAR）模块以提供边缘增强的注意力，SED子网络采用为该子网络提出的“边缘细化”（ER）模块以提供注意力增强的边缘。此外，还提出了一种新颖的“渐进特征集中”（PFC）结构，以减少特征融合中的信息损失。通过与24种是否融合注意力和边缘感知的当前最优SOD模型进行广泛定量和定性比较，验证了所提模型在5个基准数据集上具有最准确且稳健的SOD性能。此外，在参数数量和浮点运算次数方面，该模型脱颖而出，成为计算效率最高的网络之一。本方法代码与结果可从https://github.com/LiangBoCheng/MAIRN获取。
Keyword:
Salient object detection
Salient edge detection
Attention mechanism
Edge-aware
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
暂无机构信息
引用论文
MEANet: An effective and lightweight solution for salient object detection in optical remote sensing imagesMEANet: 一种有效、轻量级的光学遥感图像显著目标检测解决方案
PREAI
分享收藏
分享收藏Collaborative compensative transformer network for salient object detection用于显著目标检测的协同补偿变压器网络.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容