计算机工程

作者：李沼洁, 朱恒亮, 毛国君, 杨鑫

单位：1. 福建理工大学计算机科学与数学学院, 福建 福州 3501182. 福建省大数据挖掘与应用技术重点实验室, 福建 福州 350118

关键词：弱监督,显著性目标检测,渐进式,特征聚合,边缘引导

基金：国家重点研发计划(2019YFD0900905); 国家自然科学基金(61773415); 福建省自然科学基金(2023J01348); 福建理工大学科技项目(GY-Z220205)

针对多数弱监督显著性检测方法在复杂场景下容易出现目标结构缺损、边界粗糙等问题, 提出一种渐进式特征增强的弱监督显著性检测算法。首先针对显著目标结构不完整问题, 设计一种渐进式特征增强机制, 主要包括双流语义增强模块和层次化自适应特征聚合模块, 通过复用这种机制可以捕获更丰富的图像特征; 其次为获取清晰完整的目标边缘, 提出边缘引导模块, 可以生成高质量的显著目标边缘图; 最后将得到的边缘对显著区域预测网络进行指导, 以生成结构完整且边界平滑的检测结果。在5个公开数据集上的实验结果表明, 相比经典的WSSA算法, 该算法在PASCAL-S数据集上平均绝对误差(MAE)降低了21.32%, F-measure值提高了6.27%, 优于大多数先进的弱监督显著性目标检测算法。

来源：2024年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第12期