信息与控制

作者：闫於虎, 王永雄, 潘志群

关键词：Transformer, 显著性检测, 边缘监督, 渐近融合

显著性目标检测中学习有效的全局卷积特征至关重要。卷积神经网络模型越深越能获得更好的全局感受野，但这样往往会丢失局部信息，还会导致目标边缘粗糙。为了解决这个问题，引用了一个新的基于注意力的编码器Vision Transformer，相比于CNN (convolutional neural network)而言，可以表示浅层到深层的全局特征，并建立图像中各区域的自注意力关系。具体地，首先采用Transformer编码器提取目标特征，编码器在浅层中保留了更多的局部边缘信息，以恢复最终显著图的空间细节。然后，利用Transformer编码器前后层之间继承的全局信息，将Transformer每一层输出特征最终预测。在此基础上，浅层的边缘监督以获取丰富的边缘信息，再将浅层信息与全局位置信息相结合。最后，在解码器中采用渐近融合的方式生成最终显著性图，促进高层信息和浅层信息地充分融合，更准确地定位显著目标及其边缘。实验结果表明，在5个广泛使用的数据集上，在不进行任何后处理的情况下，提出的方法性能好于最先进的方法。

来源：2023年第3期

《信息与控制》期刊编辑部

查看信息与控制杂志2023年第3期