如需要完整文档点击下方 "点击下载文档" 按钮

随着图像数据的爆炸性增长,图像处理变得越来越重要。 显著性目标检测是图像处理的重要研究方向之一,目前已采用多种研究方法进行显著性目标检测,但是传统的显著性检测方法所使用的低级特征对于复杂场景并不健壮。 全卷积神经网络在图像处理中表现出良好的性能,但存在目标显著性检测边界模糊等不足。为解决边界模糊等问题,该模型采用了一种具有跳跃连接的全卷积神经网络,以及 5 个不同膨胀率的空洞卷积按照一定规则组成的 ESP 模块,在全卷积神经网络的基础上采用 ESP 模块和不同的跳跃连接方式,以获取更多的低级特征来精确多目标显著对象的边界。实验中运用 MIT Scene Parsing 数据集训练和测试模型,通过与相关模型在精度和 MIOU 上的比较结果表明,在保证模型的处理时间未增加的同时,经过改进的全卷积神经网络的检测具有更高的准确度以及更精确的边界信息。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于全卷积神经网络的多目标显著性检测》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061735

点击下载文档