计算机应用研究

作者：杨金凯,王国中,

单位：上海工程技术大学电子电气工程学院,上海201620；

关键词：特征融合,显著性区域提取,自编码,卷积神经网络,

基金：国家重点研发计划资助项目(2019YFB1802700))；；

针对目前卷积神经网络提取图像特征不充分导致的显著性提取效果不明显的问题，提出了一种多层卷积特征融合的自编码显著性区域提取算法。在使用卷积网络提取图像特征时，其浅层卷积特征一般提取的是图像的细节特征如颜色、纹理和位置特征，深层次卷积特征一般是图像的语义特征，在编码层将浅层卷积特征经过下采样融合到深层次的卷积特征中，并将深层次卷积特征进行上采样融合到浅层卷积特征中，实验表明这样可以大大提高编码质量；在解码中将编码时的卷积特征也进行融合，可以获取到解码丢失的信息进而得到更优的解码图像。此外还设计了逐层监督的方式来指导解码层的训练，即用标准的区域提取图进行下采样作为每一层解码层的标准图进行监督训练。实验结果表明，该方法可以在PAGRN的基础上将F度量平均提升0.071，平均绝对误差MEA平均降低0.031。

来源：2021年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第12期