复杂场景下显著性目标检测注意力金字塔网络

摘要

近年来,深度卷积神经网络在显著性目标检测中得到广泛关注和研究,并取得了重要进展。但当显著性目标处于复杂背景中时,当前算法的性能仍有待提高。提出一种利用边界感知和注意力机制的金字塔池化网络(attentionbased boundary-aware pyramid pooling network,ABAPNet),用于复杂场景下的显著性目标检测。ABAPNet通过引入级联式通道注意力和空间注意力机制,采用特征金字塔网络架构获取多层次的语义特征,以高层特征信息来辅助浅层特征;再通过融合二进制交叉熵、结构相似性和联合交集的混合损失函数,可增强获取重要语义特征并且关注目标边界特征,从而引导网络从复杂背景中更好地检测目标。在5个公开数据集上的实验表明,ABAPNet在多个评价指标上均优于比较算法,达到最优性能。